Guassian process model predictive control with safety filter for human-robot interaction

This work proposes a robust model predictive control framework based on Gaussian process enhancement, which enables safe and accurate human-computer interaction in medical environments. The method combines Gaussian process residual dynamics learning, respiratory compensation motion planning, and scenario-based robust optimization. A safety filter based on a control barrier function ensures safe contact even when the model is inaccurate. Simulation results show that, compared with standard model predictive control, this method significantly improves the stability of contact forces and trajectory tracking accuracy under respiratory disturbances, validating the robustness and safety of the proposed framework in dynamic medical scenarios.

Questo lavoro propone un robusto framework di controllo predittivo basato sul processo gaussiano, che consente un'interazione uomo-computer sicura e accurata in ambienti medici. Il metodo combina l'apprendimento della dinamica residua del processo gaussiano, la pianificazione del movimento di compensazione respiratoria e l'ottimizzazione robusta basata su scenari. Un filtro di sicurezza basato su una funzione di barriera di controllo garantisce un contatto sicuro anche in caso di imprecisione del modello. I risultati della simulazione mostrano che, rispetto al controllo predittivo standard, questo metodo migliora significativamente la stabilità delle forze di contatto e l'accuratezza del tracciamento della traiettoria in presenza di disturbi respiratori, convalidando la robustezza e la sicurezza del framework proposto in scenari medici dinamici.