안전한 자율성 및 로봇 공학을위한 인증 가능한 신경 제어
초록 :안전은 자율 시스템과 로봇의 핵심입니다. 단일 실패는 치명적인 결과를 초래할 수 있기 때문입니다. 시스템 상태 및 환경 정보를 사용할 수없는 구조화되지 않은 복잡한 환경에서는 안전 중요 제어 문제가 훨씬 더 어렵습니다. 이 대화에서 먼저 제어 장벽 함수 (CBF)가있는 제어 이론적 관점에서 안전에 대해 논의 할 것입니다. CBFS는 제어 시스템을 실행하는 동안 안전 요구 사항의 진화를 포착하며 전방 불변으로 인해 항상 안전을 보장하는 데 사용할 수 있습니다. 다음으로,이 대화는 엔드 투 엔드 트레이닝 가능한 차별화 가능한 CBF를 사용하여 CBFS 사용을 기계 학습 기반 제어로 확장하기위한 접근법을 소개 할 것입니다. 이 새로운 안전 층은 우리가 Barriernet이라고 불리는 것과 같은 새로운 신경 네트워크 (NN) 아키텍처를 발생시킵니다. 기계 학습 및 로봇 학습에서 NN의 해석 가능성이 중요합니다. 이 연설은 NN을 통한 불변 전파라는 새로운 방법을 더 소개 할 것입니다. 이 접근법은 로봇 동작과 관련하여 NN의 매개 변수 또는 입력에 대한 인과 적 추론을 가능하게하고 보증을 도입 할 수 있습니다. 마지막으로, 일반화 가능하고 안전한 자율성 및 로봇 공학을 위해 확산 모델과 같은보다 강력한 생성 AI를 인증 할 수있는 방법을 보여 드리겠습니다. 이러한 기술은 자율 지상 차량, 표면 용기 및 비행 차량, 다리 로봇, 로봇 떼, 소프트 로봇 및 조작기와 같은 다양한 로봇 시스템에 성공적으로 적용되었습니다.
Bio :슬롯 무료체험는 현재 Massachusetts Institute의 CSAIL (Computer Science and Artificial Intelligence Lab)의 박사후 직원입니다. 그는 박사 학위를 받았습니다. 2021 년 미국 MA 브룩 라인의 보스턴 대학교에서 학위를 취득했습니다. 그의 연구 관심사에는 안전 중요 제어 이론과 신뢰할 수있는 머신 러닝이 포함되며 로봇 공학에 특히 중점을 둡니다. 그는 Boston University에서 2020 IEEE 의사 결정 및 통제 컨퍼런스에서 뛰어난 학생 신문 상을 수상했으며 ACM/IEEE ICCPS 2021에서 최고의 신문 지명을 받았습니다..