입력 제약을 고려한 신경망 기반 시간 가변 제어 장벽 함수와 STL 제어 설계

본 논문은 연속시간 비선형 시스템에 대해 입력 제한을 만족하면서 신호 시간 논리(STL) 사양을 이행하도록 하는 제어기를 설계한다. 시간‑가변 제어 장벽 함수(TVCBF)를 신경망으로 근사하고, 이를 이용해 STL의 공간·시간 제약을 동시에 만족하는 집합을 반복적으로 구성·정제한다. 또한, 샘플 기반 학습에도 불구하고 전체 상태공간에 대한 안전성을 보장하는 유효성 조건을 제시한다. 다양한 선형·비선형 시스템에 대한 시뮬레이션 결과가 제안 방법의…

저자: Vaishnavi Jagabathula, Pushpak Jagtap

입력 제약을 고려한 신경망 기반 시간 가변 제어 장벽 함수와 STL 제어 설계
본 논문은 연속시간 비선형 제어 시스템 Σ: ẋ = f(x,u) 에 대해 입력 제약 U⊂ℝ^m 를 만족하면서 신호 시간 논리(STL) 사양 Φ를 이행하는 제어기 u = g(x,t)를 설계하는 문제를 다룬다. 기존의 STL‑CBF 접근법은 (i) 손으로 설계한 시간‑가변 제어 장벽 함수 템플릿에 의존하고, (ii) 선형 시스템에만 적용 가능하며, (iii) 입력 제한이 강하면 QP가 불가능해지는 한계가 있었다. 이를 극복하기 위해 저자들은 다음과 같은 4단계 프레임워크를 제안한다. 1. **STL‑기반 시간‑가변 집합 구성** STL 사양 Φ는 ‘항상(□)’·‘언제든지(◇)’ 연산자를 포함하는 구간별 서브포뮬러 φ_i 로 구성된다. 각 φ_i에 대해 활성화 구간 I_i=

원본 논문

고화질 논문을 불러오는 중입니다...

댓글 및 학술 토론

Loading comments...

의견 남기기