混合动力系统无处不在,因为实际机器人应用通常涉及连续状态和离散切换。安全是混合机器人系统的主要问题。措施至关重要的安全控制方法在计算上效率低下,对系统性能有害或限于小型系统。为了修改这些缺点,在本文中,我们提出了一种支持学习的方法来构建局部控制障碍功能(CBF),以确保广泛的非线性混合动力学系统的安全性。最终结果是一个安全的基于神经CBF的开关控制器。我们的方法在计算上是有效的,对任何参考控制器的侵入率最低,并且适用于大型系统。我们通过两个机器人示例来评估我们的框架,并通过两个基于CBF的方法和模型预测性控制来证明其效果和灵活性。关键字:混合系统,安全性,控制障碍功能
主要关键词
![arxiv:2401.14907v2 [cs.ro] 2024年11月29日PDF文件第1页](/bimg/b/b5bf72a826d5137785383ac1728982218d56901c.webp)
![arxiv:2401.14907v2 [cs.ro] 2024年11月29日PDF文件第2页](/bimg/0/0fd4a718203c894d0c136aabedf198bfda9551c9.webp)
![arxiv:2401.14907v2 [cs.ro] 2024年11月29日PDF文件第3页](/bimg/6/63168a9a8d9e7cc1db644ce27100c160afaca249.webp)
![arxiv:2401.14907v2 [cs.ro] 2024年11月29日PDF文件第4页](/bimg/7/79fd05d2a66f62153864dffa1afd130b4abfc9a5.webp)
![arxiv:2401.14907v2 [cs.ro] 2024年11月29日PDF文件第5页](/bimg/c/c76f50d3f9531344342d7515a9ff4838423885a0.webp)
