알 수 없는 동역학을 가진 시스템에 대한 안전 보장 제공

자율 시스템이 우리 사회에서 점점 더 복잡해지고 중요해짐에 따라 이러한 시스템을 정확하게 모델링하고 안전하게 제어하는 필요성이 크게 증가했습니다. 지난 10년 동안, 기본 원리를 사용하여 모델링하기 어려운 시스템을 모델링하고 제어하는 데 깊은 학습 기법을 사용하는 데 엄청난 성공을 거두었습니다. 그러나 이러한 시스템에 대한 안전 보장을 제공하는 것은 여전히 어렵습니다. 이는 학습된 모델의 불확실성 때문에 부분적으로 발생합니다. 본 연구에서는 기본 원리에서 쉽게 도출되지 않는 동역학을 가진 시스템에 대한 안전 보장을 제공하는 것을 목표로 하며, 따라서 깊은 학습 기법을 사용하여 학습하는 것이 더 유리합니다. 관심 있는 시스템과 안전 제약 조건이 주어지면, 우리는 데이터에서 시스템 동역학의 앙상블 모델을 학습합니다. 학습된 동역학 모델의 불확실성의 척도로 앙상블 불확실성을 활용하여, 실현된 모델 불확실성이 미리 정의된 허용 가능한 모델 불확실성 집합에 포함된다는 조건 하에 시스템이 안전 제약 조건을 만족하도록 보장되는 최대 강건 제어 불변 집합을 계산합니다. 우리는 역진자와 TurtleBot을 사용한 하드웨어 실험 및 시뮬레이션 사례 연구를 통해 방법의 효과를 입증합니다. 실험 결과, 우리의 방법이 모델 불확실성에 대한 시스템의 제어 작업을 강건화하고 지나치게 제한적이지 않으면서 안전한 행동을 생성함을 보여줍니다. 코드와 관련 비디오는 프로젝트 웹사이트에서 확인할 수 있습니다.