[論文レビュー] Learning Hybrid Control Barrier Functions from Data

Lars Lindemann, Haimin Hu+5 more|arXiv (Cornell University)|Jan 1, 2020

Anomaly Detection Techniques and Applications被引用数 3

ひとこと要約

本稿では、既知の動的特性を持つハイブリッドシステムにおける安全性を保証するため、データから最適化に基づくハイブリッド制御バリア関数を学習するフレームワークを提案する。妥当性のための十分なデータ条件を同定することで、学習された制御則が証明可能に安全であることを保証し、コンパスゲイトウォーカーのシミュレーションで検証された。

ABSTRACT

Motivated by the lack of systematic tools to obtain safe control laws for hybrid systems, we propose an optimization-based framework for learning certifiably safe control laws from data. In particular, we assume a setting in which the system dynamics are known and in which data exhibiting safe system behavior is available. We propose hybrid control barrier functions for hybrid systems as a means to synthesize safe control inputs. Based on this notion, we present an optimization-based framework to learn such hybrid control barrier functions from data. Importantly, we identify sufficient conditions on the data such that feasibility of the optimization problem ensures correctness of the learned hybrid control barrier functions, and hence the safety of the system. We illustrate our findings in two simulations studies, including a compass gait walker.

研究の動機と目的

• ハイブリッドシステムにおける安全な制御則を導出するための体系的でないツールの欠如に対処すること。
• 既知のシステムの動的特性と観測された安全な行動を用いて、安全な制御入力を合成するデータ駆動型フレームワークを開発すること。
• 十分なデータ条件を通じて、学習されたハイブリッド制御バリア関数の正しさを保証すること。
• データから導出された制御則に対して検証可能な安全性の保証を提供すること。

提案手法

• 離散的および連続的動的を持つハイブリッドシステムにおける安全性を強制する手段として、ハイブリッド制御バリア関数を定式化すること。
• 安全なシステム行動を示すデータからこれらのバリア関数を学習する最適化フレームワークを設計すること。
• 最適化問題の妥当性が、学習されたバリア関数の正しさを保証する十分なデータ条件を同定すること。
• 既知のシステム動的を用いて学習プロセスを制約し、安全性の証明を保証すること。
• コンパスゲイトウォーカーを含むハイブリッドシステムのシミュレーションにフレームワークを適用し、安全性の保証を検証すること。

実験結果

リサーチクエスチョン

• RQ1 データからハイブリッド制御バリア関数を学習する際、安全性を保証しながら行う方法は何か？
• RQ2 学習されたバリア関数の正しさを保証するのに十分なデータ条件は何か？
• RQ3 最適化に基づくフレームワークは、ハイブリッドシステムに対して証明可能に安全な制御則を合成できるか？
• RQ4 提案手法は、連続的および離散的動的を併せ持つシステムにおいて、どのように安全性を確保するか？

主な発見

• 最適化フレームワークは、妥当性条件を満たす場合に、システムの安全性を保証するデータからのハイブリッド制御バリア関数を学習可能である。
• 最適化問題の妥当性が、学習されたバリア関数の正しさを保証する十分なデータ条件が同定された。
• 本手法は、コンパスゲイトウォーカーのシミュレーションにおいて安全性を効果的に確保し、複雑なハイブリッドシステムへの適用可能性を示した。
• 本フレームワークは、既知の動的特性を持つハイブリッドシステムに対して、体系的かつ検証可能なデータ駆動型安全制御合成のアプローチを提供する。