BC-MPPI: Uma Camada de Restrições Probabilísticas para Controle Preditivo de Caminho Seguro

O controle Preditivo de Caminho Integral (MPPI) surgiu recentemente como uma alternativa rápida e independente de gradientes ao controle preditivo de modelos em tarefas robóticas altamente não lineares, mas não oferece garantias rigorosas sobre a satisfação de restrições. Introduzimos o MPPI com Restrições Bayesianas (BC-MPPI), uma camada de segurança leve que anexa um substituto probabilístico a cada estado e restrição de entrada. Em cada etapa de replanejamento, o substituto retorna a probabilidade de que uma trajetória candidata seja viável; essa probabilidade conjunta escala o peso atribuído a um candidato, reduzindo automaticamente o peso de simulações que provavelmente colidiriam ou excederiam limites e direcionando a distribuição de amostragem para o subconjunto seguro; não são necessários custos de penalização ajustados manualmente ou rejeição explícita de amostras. Treinamos o substituto a partir de 1000 simulações offline e implantamos o controlador em um quadrotor no MuJoCo com obstáculos estáticos e em movimento. Em K de 100,1500 simulações, o BC-MPPI preserva margens de segurança enquanto atende à probabilidade prescrita de violação. Como o substituto é um artefato autônomo e controlado por versão e a pontuação de segurança em tempo de execução é um único escalar, a abordagem se integra naturalmente com pipelines de verificação e validação para sistemas autônomos certificáveis.