基于传感器的分布鲁棒控制用于动态环境中机器人安全导航
Sensor-Based Distributionally Robust Control for Safe Robot Navigation in Dynamic Environments
AI总结：
本文提出一种基于机载传感与分布鲁棒优化的DR-CBF方法，结合CLF实现动态未知环境中移动机器人的安全高效导航，并通过仿真与差速驱动机器人实验验证其有效性和鲁棒性。
摘要：
我们提出了一种用于动态未知环境中移动机器人导航的新方法，利用机载传感和分布鲁棒优化来施加概率安全约束。我们的方法引入了一种分布鲁棒控制屏障函数（DR-CBF），该函数直接整合带噪声的传感器测量值和状态估计来定义安全约束。该方法适用于广泛的仿射控制动力学，可推广到具有复杂几何形状的机器人，并能够在实时控制频率下运行。结合用于路径跟踪的控制李雅普诺夫函数（CLF），所提出的CLF-DR-CBF控制综合方法在具有挑战性的环境中实现了安全、鲁棒和高效的导航。我们在仿真和差速驱动机器人的真实世界实验中，展示了该方法在不确定性下安全自主导航的有效性和鲁棒性。
英文摘要：
We introduce a novel method for mobile robot navigation in dynamic, unknown environments, leveraging onboard sensing and distributionally robust optimization to impose probabilistic safety constraints. Our method introduces a distributionally robust control barrier function (DR-CBF) that directly integrates noisy sensor measurements and state estimates to define safety constraints. This approach is applicable to a wide range of control-affine dynamics, generalizable to robots with complex geometries, and capable of operating at real-time control frequencies. Coupled with a control Lyapunov function (CLF) for path following, the proposed CLF-DR-CBF control synthesis method achieves safe, robust, and efficient navigation in challenging environments. We demonstrate the effectiveness and robustness of our approach for safe autonomous navigation under uncertainty in simulations and real-world experiments with differential-drive robots.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
