基于决策树的具有决策不确定性的自主机器人监控和恢复框架
摘要：自主移动机器人在现实世界中常常需要做出关键决策，这些决策直接影响它们自身的安全和周围环境的安全。基于学习的决策方法近年来越来越受欢迎，因为这些方法可以非常快速地做出决策，并且在许多应用中具有合理的准确性水平。然而，这些方法通常只返回一个决策，如果学习器训练不充分或者观测数据存在噪声，决策可能是错误的。当机器人在做关于自身故障的决策时，比如故障执行器或传感器以及外部干扰，错误的决策可能立即对机器人造成损坏，这个问题进一步加剧。本文考虑了这个具体案例：一个机器人在应对这些故障时必须快速评估不确定性并做出安全决策。我们提出了一种基于学习的不确定性感知的故障检测和恢复方法，其中我们利用决策树理论和模型预测控制来检测和解释哪个故障正在损害系统，评估与故障相关的不确定性，最后寻找和验证修正控制以恢复系统。我们的方法通过仿真和在有故障的无人地面车辆导航案例研究上进行了验证，证明在不确定性下恢复到安全状态。
作者：Rahul Peddi and Nicola Bezzo
论文ID：2308.00944
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-03