Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2501.02620

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2501.02620 (eess)
[提交于 2025年1月5日 (v1) ,最后修订 2025年6月3日 (此版本, v2)]

标题: 回归基础:通过可达-规避安全滤波器实现无需人工干预的学习

标题: Back to Base: Towards Hands-Off Learning via Safe Resets with Reach-Avoid Safety Filters

Authors:Azra Begzadić, Nikhil Uday Shinde, Sander Tonkens, Dylan Hirsch, Kaleb Ugalde, Michael C. Yip, Jorge Cortés, Sylvia Herbert
摘要: 设计能够在保证安全约束的同时完成任务的控制器仍然是一个重大挑战。 我们通常希望智能体在典型任务(如环境探索)中表现出色,同时确保它能够避免进入不安全状态,并在特定时间内返回到期望的目标。 特别是,我们受到现实世界中强化学习安全、高效无干预训练设置的启发。 通过使机器人能够在无人干预的情况下安全自主地重置到期望区域(例如充电站),我们可以提高效率并促进训练。 基于控制屏障函数的安全过滤器等方法将安全性与典型控制目标解耦,并严格保证安全性。 尽管取得了成功,但对于具有控制约束和系统不确定性的通用非线性系统的这些函数构造仍是一个开放问题。 本文介绍了一种从可达避障问题相关的价值函数获得的安全过滤器。 所提出的过滤器在最小程度上修改典型控制器的同时,避免了不安全区域,并引导系统回到期望的目标集。 通过在允许安全重置的同时保持策略性能,我们实现了高效的无干预强化学习,并推进了真实世界机器人安全训练的可行性。 我们使用软演员评论家的改进版本来演示我们的方法,以安全地训练一个摆动任务在修改后的倒立摆稳定问题上。
摘要: Designing controllers that accomplish tasks while guaranteeing safety constraints remains a significant challenge. We often want an agent to perform well in a nominal task, such as environment exploration, while ensuring it can avoid unsafe states and return to a desired target by a specific time. In particular we are motivated by the setting of safe, efficient, hands-off training for reinforcement learning in the real world. By enabling a robot to safely and autonomously reset to a desired region (e.g., charging stations) without human intervention, we can enhance efficiency and facilitate training. Safety filters, such as those based on control barrier functions, decouple safety from nominal control objectives and rigorously guarantee safety. Despite their success, constructing these functions for general nonlinear systems with control constraints and system uncertainties remains an open problem. This paper introduces a safety filter obtained from the value function associated with the reach-avoid problem. The proposed safety filter minimally modifies the nominal controller while avoiding unsafe regions and guiding the system back to the desired target set. By preserving policy performance while allowing safe resetting, we enable efficient hands-off reinforcement learning and advance the feasibility of safe training for real world robots. We demonstrate our approach using a modified version of soft actor-critic to safely train a swing-up task on a modified cartpole stabilization problem.
评论: 前三名作者对这项工作做出了同等贡献。
主题: 系统与控制 (eess.SY) ; 机器人技术 (cs.RO)
引用方式: arXiv:2501.02620 [eess.SY]
  (或者 arXiv:2501.02620v2 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.02620
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Azra Begzadić [查看电子邮件]
[v1] 星期日, 2025 年 1 月 5 日 18:29:33 UTC (2,094 KB)
[v2] 星期二, 2025 年 6 月 3 日 03:49:39 UTC (3,230 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.RO
cs.SY
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号