arXiv eess.SY 系统与控制· Shubham Singh, Anjali Tiwari, Anand Singh, Katsuki Fujisawa·· 5 小时前精选AI 评分47
有界扰动下独轮车多障碍安全导航的学习增强 CLF-CBF 方法
Safe Unicycle Navigation Among Multiple Obstacles Under Bounded Disturbances: A Learning-Augmented CLF-CBF Approach (Extended Version)
AI 导读
论文提出一种鲁棒控制框架，让独轮车机器人在未知时变扰动和多个静态障碍下安全导航到目标，控制器实时求解单个 QP，将目标跟踪项与每个障碍的安全项结合。安全由每个障碍对应的鲁棒控制障碍函数编码，并用闭式状态相关扰动界收紧；当镇定与安全冲突时，松弛变量只放宽收敛要求，安全约束严格保持。
推荐理由
论文给出障碍间可通过的最小间距推导，做多障碍规避的工程师可参考这一判据。
来源：arXiv eess.SY 系统与控制 · arxiv.org