homotopy-smoothed SVM-CBF

新框架学习智能系统的自适应安全运行包络

研究人员开发了一种新的面向数据的自适应安全过滤框架，用于任务关键型智能系统。该方法从数据中学习安全运行包络，并实时更新以适应时变限制。该方法利用径向基函数核支持向量机来初始定义安全集，然后基于退化信号使用连续时间递减SVM更新律对其进行收缩。引入了同伦平滑SVM-CBF来管理学习屏障的过渡，并且基于二次规划的安全过滤器在退化的输入约束下强制执行时变屏障。在垂直起降模型上的仿真证明了该框架在保持安全和避免突然屏障切换效应方面的能力。