[논문 리뷰] Risk-Sensitive Path Planning via CVaR Barrier Functions: Application to Bipedal Locomotion

Mohamadreza Ahmadi, Xiaobin Xiong외 1명|arXiv (Cornell University)|2020. 11. 03.

Formal Methods in Verification인용 수 4

한 줄 요약

이 논문은 확률적 불확실성 하에서 위험 민감한 안전성 보장을 위해 조건부가치위험(Conditional Value-at-Risk, CVaR) 장벽 함수를 도입한다. 이는 악성 시나리오에서도 신뢰할 수 있는 성능을 보장하며, 차등볼록프로그래밍을 통해 최소 간섭성 컨트롤러를 설계함으로써 고도로 불확실한 환경에서도 안정적인 이착지 보행을 가능하게 하며, 평균 기반 접근 방식에 비해 악성 시나리오에서의 안전성을 크게 향상시킨다.

ABSTRACT

Enforcing safety of robotic systems in the presence of stochastic uncertainty is a challenging problem. Traditionally,researchers have proposed safety in the statistical mean as a safety measure in this case. However, ensuring safety in the statistical mean is only reasonable if robot safe behavior in the large number of runs is of interest, which precludes the use of mean safety in practical scenarios. In this paper, we propose a risk sensitive notion of safety called conditional-value-at-risk (CVaR) safety, which is concerned with safe performance in the worst case realizations. We introduce CVaR barrier functions asa tool to enforce CVaR safety and propose conditions for their Boolean compositions. Given a legacy controller, we show that we can design a minimally interfering CVaR safe controller via solving difference convex programs. We elucidate the proposed method by applying it to a bipedal locomotion case study.

연구 동기 및 목표

• 희귀하지만 치명적인 실패를 방지하지 못하는 평균 기반 안전 조치의 한계를 해결한다.
• 악성 시나리오 성능 신뢰성을 우선시하는 위험 민감한 안전 기준인 조건부가치위험(CVaR)을 도입한다.
• 다이나믹 시스템에서 이러한 위험 민감한 안전 조건을 강제하기 위한 공식 도구로서 CVaR 장벽 함수를 개발한다.
• 기존 레거시 컨트롤러에 최소한의 간섭을 주기 위해, 안전 강제 조건을 차등볼록프로그램으로 공식화한다.
• 불확실한 지형 조건 하에서의 이착지 보행 사례 연구를 통해 방법의 효과성을 입증한다.

제안 방법

• 악성 시나리오 리스크를 포착하기 위해 성능 분포의 꼬리에 초점을 맞춘 조건부가치위험(CVaR)을 사용하여 위험 민감한 안전 개념을 정의한다.
• 악성 실현에서의 확률적으로 높은 수준으로 안전 영역 내에 체류하도록 보장하는 수학적 구조로 CVaR 장벽 함수를 도입한다.
• 다중 제약 조건에 걸쳐 모듈러한 안전 강제 조건을 가능하게 하기 위해, CVaR 장벽 함수의 불리안 조합 조건을 유도한다.
• 기존 레거시 컨트롤러에서의 제어 편차를 최소화하면서도 CVaR 안전성을 강제하기 위해 컨트롤러 합성 문제를 차등볼록(DC) 프로그램으로 공식화한다.
• DC 프로그래밍의 해석 가능성 덕분에 비볼록 최적화 문제를 실용적으로 효율적으로 해결한다.
• 프레임워크를 이착지 로봇 모델에 적용하여 불확실한 지형을 시뮬레이션하고, 확률적 외란 하에서의 안전성을 평가한다.

실험 결과

연구 질문

• RQ1 로봇 시스템에서 악성 시나리오 성능을 평균 시나리오 행동보다 우선시하기 위해 위험 민감한 안전성을 어떻게 수학적으로 정의할 수 있는가?
• RQ2 CVaR 기반 안전 제약 조건을 강제하는 데 기여하는 수학적 구조는 무엇인가?
• RQ3 여러 안전 요구 조건을 다루기 위해 CVaR 장벽 함수는 어떻게 논리적 조합(예: AND/OR 연산)으로 조합할 수 있는가?
• RQ4 기존 레거시 컨트롤러에서 최소한의 편차를 갖는 CVaR 안전 컨트롤러를 얼마나 잘 설계할 수 있는가?
• RQ5 제안된 방법은 이착지 보행에서 평균 기반 안전 접근 방식에 비해 확률적 환경에서 어떤 정도로 안전성을 향상시키는가?

주요 결과

• 제안된 CVaR 장벽 함수는 확률적 외란의 악성 실현에서 안전성을 성공적으로 강제하며, 평균 기반 안전 기준에 비해 뛰어난 성능을 보였다.
• 차등볼록프로그래밍을 통해 최소 간섭성 컨트롤러를 설계함으로써 원래 컨트롤러의 동작을 유지하면서도 위험 민감한 안전성을 확보할 수 있었다.
• CVaR 장벽 함수의 불리안 조합은 잘 정의되어 있으며, 제약 조건의 논리적 조합 하에서도 안전 보장을 유지한다.
• 이착지 보행 사례 연구에서, CVaR 기반 컨트롤러는 평균 기반 접근 방식에 비해 극단적인 지형 불확실성 하에서 실패 가능성을 크게 감소시켰다.
• 계산 프레임워크는 해석 가능하고 확장 가능하여, 복잡한 로봇 시스템에서 실시간으로 위험 민감한 안전성을 적용할 수 있다.
• 결과적으로, 희귀하지만 치명적인 실패를 피해야 하는 실질적인 로봇 구현을 위해 CVaR를 통한 위험 민감한 안전성은 필수적임을 입증했다.