論文の概要: Real-Time Tube-Based Non-Gaussian Risk Bounded Motion Planning for
Stochastic Nonlinear Systems in Uncertain Environments via Motion Primitives
- arxiv url: http://arxiv.org/abs/2303.01631v1
- Date: Thu, 2 Mar 2023 23:36:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-06 16:38:44.484703
- Title: Real-Time Tube-Based Non-Gaussian Risk Bounded Motion Planning for
Stochastic Nonlinear Systems in Uncertain Environments via Motion Primitives
- Title（参考訳）: 運動プリミティブを用いた確率非線形系の実時間管型非ガウスリスク境界運動計画
- Authors: Weiqiao Han, Ashkan Jasour, Brian Williams
- Abstract要約: 不確実な環境下での非線形システムの動作計画問題を考える。
[1]とは異なり、リアルタイムなオンライン動作計画アルゴリズムを提案する。
総和二乗プログラミングを用いた決定論的リスクに対する管の安全性を検証する。
- 参考スコア（独自算出の注目度）: 8.849815837266979
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the motion planning problem for stochastic nonlinear systems in
uncertain environments. More precisely, in this problem the robot has
stochastic nonlinear dynamics and uncertain initial locations, and the
environment contains multiple dynamic uncertain obstacles. Obstacles can be of
arbitrary shape, can deform, and can move. All uncertainties do not necessarily
have Gaussian distribution. This general setting has been considered and solved
in [1]. In addition to the assumptions above, in this paper, we consider
long-term tasks, where the planning method in [1] would fail, as the
uncertainty of the system states grows too large over a long time horizon.
Unlike [1], we present a real-time online motion planning algorithm. We build
discrete-time motion primitives and their corresponding continuous-time tubes
offline, so that almost all system states of each motion primitive are
guaranteed to stay inside the corresponding tube. We convert probabilistic
safety constraints into a set of deterministic constraints called risk
contours. During online execution, we verify the safety of the tubes against
deterministic risk contours using sum-of-squares (SOS) programming. The
provided SOS-based method verifies the safety of the tube in the presence of
uncertain obstacles without the need for uncertainty samples and time
discretization in real-time. By bounding the probability the system states
staying inside the tube and bounding the probability of the tube colliding with
obstacles, our approach guarantees bounded probability of system states
colliding with obstacles. We demonstrate our approach on several long-term
robotics tasks.
- Abstract（参考訳）: 不確定環境における確率非線形システムの動作計画問題を考える。
より正確には、ロボットは確率的非線形ダイナミクスと不確実な初期位置を持ち、環境には複数の不安定な障害が含まれている。
障害物は任意の形状で変形し、移動することができる。
すべての不確かさは必ずしもガウス分布を持つとは限らない。
この一般設定は [1] において考慮され、解決されている。
上記の仮定に加えて,システム状態の不確実性が長期的地平線上で大きくなりすぎるため,[1]における計画手法が失敗する長期的タスクについても考察する。
[1]とは異なり,実時間オンライン動作計画アルゴリズムを提案する。
離散時間運動プリミティブとそれに対応する連続時間管をオフラインで構築し、各動作プリミティブのほぼ全ての系状態が対応するチューブ内に留まることを保証する。
確率論的安全性制約をリスクパターンと呼ばれる決定論的制約の集合に変換する。
オンライン実行中,SOS(sum-of-squares)プログラミングを用いて,決定論的リスク輪郭に対するチューブの安全性を検証する。
提案手法は, 不確実なサンプルや時間離散化を必要とせずに, 不確実な障害物が存在する場合のチューブの安全性を検証する。
システム状態が管内に留まる確率と障害物に衝突する管の確率をバウンドすることで, 障害物に衝突する系の状態のバウンド化確率を保証できる。
我々は,長期ロボット工学の課題に対するアプローチを実証する。
関連論文リスト
- Convex Risk Bounded Continuous-Time Trajectory Planning and Tube Design
in Uncertain Nonconvex Environments [7.874203691787801]
リスクプランニングを保証した連続時間トラジェクトリを探す方法を提案する。
リスク境界計画の概念を活用して、リスクをポイントのセットに変換するのです。
論文 参考訳（メタデータ） (2023-05-26T22:21:44Z) - Safe motion planning with environment uncertainty [1.4824891788575418]
本稿では,ロボットの状態と環境の不確実性を考慮した安全な運動計画手法を提案する。
我々はまず,ロボットのローカライゼーションにおける画期的な不確実性を考慮したアプローチを開発する。
次に、衝突確率の正確な式を計算することにより、最先端の手法を拡張する。
論文 参考訳（メタデータ） (2023-05-10T09:29:41Z) - Non-Gaussian Uncertainty Minimization Based Control of Stochastic
Nonlinear Robotic Systems [9.088960941718]
我々は、不確実性や乱れによる名目状態軌跡からのシステムの状態のずれを最小限に抑える状態フィードバックコントローラを設計する。
我々はモーメントと特徴関数を用いて、ロボットシステムの非線形運動モデル全体にわたって不確実性を伝播する。
論文 参考訳（メタデータ） (2023-03-02T23:31:32Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian
Noise [59.47042225257565]
雑音分布の明示的な表現に依存しない新しい計画法を提案する。
まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。
いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
論文 参考訳（メタデータ） (2021-10-25T06:18:55Z) - Stability and Identification of Random Asynchronous Linear
Time-Invariant Systems [81.02274958043883]
線形力学系の安定性に対するランダム化と非同期化の付加的な利点を示す。
未知のランダム化LTIシステムに対して,基礎となる力学を復元するための系統的同定手法を提案する。
論文 参考訳（メタデータ） (2020-12-08T02:00:04Z) - Towards Safe Policy Improvement for Non-Stationary MDPs [48.9966576179679]
多くの実世界の利害問題は非定常性を示し、利害関係が高ければ、偽の定常性仮定に関連するコストは受け入れがたい。
我々は、スムーズに変化する非定常的な意思決定問題に対して、高い信頼性で安全性を確保するための第一歩を踏み出します。
提案手法は,時系列解析を用いたモデルフリー強化学習の合成により,セルドンアルゴリズムと呼ばれる安全なアルゴリズムを拡張した。
論文 参考訳（メタデータ） (2020-10-23T20:13:51Z) - Deep Learning based Uncertainty Decomposition for Real-time Control [9.067368638784355]
本稿では,ディープラーニングを用いたトレーニングデータの欠如を検出する新しい手法を提案する。
合成および実世界のデータセットに対する既存のアプローチに対する利点を示す。
さらに、シミュレーションされたクアッドコプターにオンラインデータ効率制御を展開させる上で、この不確実性推定の実用性を実証する。
論文 参考訳（メタデータ） (2020-10-06T10:46:27Z) - Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。
そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。
本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文 参考訳（メタデータ） (2020-06-18T04:54:11Z) - Online Mapping and Motion Planning under Uncertainty for Safe Navigation
in Unknown Environments [3.2296078260106174]
本論文は,確率論的安全保証者によるオンラインで実現可能な動作のマッピングと計画のための不確実性に基づくフレームワークを提案する。
提案手法は, 環境の不確実性を意識した環境表現を構築するために周囲をマッピングし, (i) 信念空間の多層サンプリングベースプランナーを通して, キノダイナミックに実現可能で確率論的に安全な目標に反復的に(re)計画を行うことにより, 動き, 確率論的安全性, オンライン計算制約を取り扱う。
論文 参考訳（メタデータ） (2020-04-26T08:53:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。