Les scientifiques conçoivent un contrôle sûr basé sur l'apprentissage pour les systèmes dans des environnements incertains

Crédit : domaine public CC0

Les humains vivent dans un monde où des systèmes critiques pour la sécurité sont à l’œuvre tout autour d’eux. Les scientifiques veulent s’assurer que les contraintes de sécurité appropriées sont en place afin que ces systèmes puissent fonctionner en toute sécurité tout en fonctionnant selon les besoins. Dans ce but, des chercheurs de la Michigan State University ont mis au point une méthode de conception d’un contrôleur de sécurité basé sur l’apprentissage pour les systèmes qui fonctionnent dans des environnements incertains.

Cette étude, menée par Bahare Kiumarsi et Zahra Marvi, de la Michigan State University, portait sur la manœuvre sécuritaire d’un véhicule autonome en zone urbaine. Ils ont publié leurs conclusions dans le numéro de mars de Journal IEEE/CAA d’Automatica Sinica.

Au fil du temps, les scientifiques ont conçu avec succès des méthodes de contrôle sûres basées sur les fonctions de barrière de contrôle (CBF) pour une utilisation avec un large éventail d’applications, y compris le régulateur de vitesse adaptatif, le contrôle sûr des robots et les systèmes multi-agents sans collision. Ces méthodes combinent généralement les CBF et les fonctions de Lyapunov pour certifier qu’un contrôleur est sûr et stable. Ce que les chercheurs de l’Université d’État du Michigan proposent est une nouvelle fonction de barrière de contrôle de mise à zéro activée par l’apprentissage (ZCBF), qui est capable de fonctionner en toute sécurité tout en apprenant, même avec une dynamique inconnue à l’œuvre dans l’environnement.

Alors que de plus en plus de systèmes critiques pour la sécurité sont déployés dans le monde réel, les scientifiques doivent être en mesure de s’assurer que leurs états évoluent dans des limites sûres. Les facteurs incertains de l’environnement peuvent affecter le fonctionnement sûr d’un système. Alors que les chercheurs étudiaient le véhicule autonome en milieu urbain, ils devaient tenir compte de ces facteurs d’incertitude. Par exemple, il y a les véhicules autonomes, les véhicules semi-autonomes, les véhicules à conduite humaine et les piétons, tous engagés dans la même zone.

Les scientifiques doivent donc concevoir un contrôleur capable de garantir que le système fonctionne en toute sécurité malgré l’incertitude quant au comportement des autres véhicules et humains naviguant dans le même espace. Les scientifiques doivent pouvoir compter sur la sécurité du système tout en permettant au système de fonctionner aussi bien que possible. La méthode des chercheurs de l’Université de l’État du Michigan résout le problème de la conception d’un contrôleur sécurisé à apprentissage pour les systèmes qui doivent fonctionner dans des environnements incertains. Leur nouvelle méthode d’apprentissage est capable de garantir la sécurité du véhicule autonome, même lorsqu’il fonctionne parallèlement au comportement incertain d’autres véhicules sur la route.

Les méthodes de contrôle sûres existantes exigent que les scientifiques aient une connaissance complète de l’ensemble sûr. Lorsque l’environnement est incertain, il devient beaucoup plus difficile de concevoir des contrôles sûrs pour le système. Ces systèmes critiques pour la sécurité doivent être capables d’apprendre rapidement les incertitudes, tout en atteignant des performances de sécurité maximales. Une approche d’apprentissage de modèle lent peut fournir les fonctionnalités de sécurité nécessaires, mais ne peut pas atteindre les performances souhaitées. Une approche naïve d’apprentissage de modèle basée sur la minimisation de l’erreur de modélisation ne peut pas atteindre les exigences de sécurité souhaitées, même si l’erreur d’estimation attendue diminue avec le temps. “De nouveaux algorithmes d’apprentissage sont nécessaires pour éviter autant que possible les fausses représentations de l’ensemble sûr”, a déclaré Zahra Marvi, titulaire d’un doctorat. candidat. La méthode développée par les chercheurs est capable d’apprendre rapidement les incertitudes de l’environnement et d’atteindre rapidement des performances sûres.

“La satisfaction des contraintes de sécurité est cruciale et doit être prise en compte lors de la phase de conception du contrôle car leur violation peut avoir des conséquences catastrophiques”, a déclaré le professeur assistant Bahare Kiumarsi. Avec cette méthode conçue par les chercheurs de la Michigan State University, le contrôleur d’un système peut prendre des mesures moins conservatrices, ce qui se traduit par de meilleures performances, améliorant ainsi à la fois la sécurité et les performances d’un système.


B-GAP : une méthode de simulation pour entraîner des véhicules autonomes à naviguer dans des scènes urbaines complexes


Plus d’information:
Zahra Marvi et al, Conception de commandes sûres avec apprentissage certifié par barrière pour les systèmes fonctionnant dans des environnements incertains, Journal IEEE/CAA d’Automatica Sinica (2021). DOI : 10.1109/JAS.2021.1004347

Fourni par l’Association chinoise de l’automatisation

Citation: Les scientifiques conçoivent un contrôle sûr activé par l’apprentissage pour les systèmes dans des environnements incertains (2022, 22 avril) récupéré le 22 avril 2022 sur https://techxplore.com/news/2022-04-scientists-learning-enabled-safe-uncertain-environments. html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.