神经积分控制屏障函数：从数据学习避障滤波

Dasari Raj Vamsi 等作者在 arXiv 预印本中提出神经积分控制屏障函数（Neural Integral Control Barrier Functions）方法：用神经常微分方程从数据学习动力学，用模仿学习得到标称控制器，用监督回归学习障碍函数，再解析构建积分控制障碍函数滤波约束。障碍函数按可行性训练，即只有执行器限制下仍存在紧急机动可避开约束的状态才算安全；执行器限制作为硬约束进入在线优化，学习到的障碍行可松弛，作者称由此保证每个状态可解且输入约束精确，并给出返回输入相对真实模型输入的漂移界。 作者报告：在 6-D 动态自行车的敏捷竞速任务中，该滤波器在 200 个留出布局中消除了全部 12 次不安全事件，成功率不变，单 CPU 核上运行超过 100 Hz；在一项基准中每个回合都满足输入约束，而联合训练的基线为 53.38%；在模型摩擦存在大误差时仍保持该优势。该工作为预印本，尚未经同行评议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。