Convex Safety Filtering via Spectral Selection for Nonconvex Safe Sets
University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）；The University of Michigan（密歇根大学）；Brigham Young University（杨百翰大学）
本文针对由凸集并集构成的非凸安全集，提出基于谱选择的凸安全滤波方法，通过选取矩阵特征向量得到凸输入约束，保证特征值几何下界，仿真验证其有效性。
2026-10-09 cs.SY eess.SY math.OC
Stochastic Mirror Descent under Iterate-Dependent Markov Noise: Analysis in the Asymptotic and Finite Time Regimes
Indian Institute of Science（印度科学学院）
本文研究了在决策变量依赖的马尔可夫噪声下的随机优化问题，分析了随机镜像下降算法在凸和非凸问题中的收敛性，得出了样本复杂度和有限时间集中界。
2026-05-15 cs.SY eess.SY math.OC
Safety of Dynamical Systems with Multiple Non-Convex Unsafe Sets Using Control Barrier Functions
CNRS（法国国家科学研究中心）；University of Rennes（雷恩大学）；Inria（法国国家信息与自动化研究所）；IRISA（法国信息与随机系统研究所）；University of Innsbruck（因斯布鲁克大学）
提出了一种处理存在多个非凸不安全集的动力系统安全性的方法。虽然最优控制和模型预测控制策略可以在这些场景中使用，但是在一般非线性系统的情况下，它们具有高计算复杂度。另一方面，利用控制障碍函数导致计算上高效的控制算法。然而，当安全保证必须与稳定性目标一起执行时，已经显示出出现不期望的渐近稳定平衡点。我们提出了一个计算效率高的优化方法，使我们能够确保安全的动力系统，而不会引入不希望的平衡，即使在存在多个非凸不安全集。所开发的控制算法在仿真和实际机器人导航应用中得到了展示。
2021-06-11 cs.RO cs.SY eess.SY
A convex approach for Markov chain estimation from aggregate data via inverse optimal transport
本文提出了一种基于逆最优传输的凸方法，用于从汇总数据中估计马尔可夫链的转移概率矩阵，通过熵近端方法实现高效迭代算法，并在两个数值实验中验证了方法的准确性和收敛性。
2025-11-20 cs.SY eess.SY math.OC
Safety Filter Design for Neural Network Systems via Convex Optimization
Microsoft Research（微软研究院）；University of Pennsylvania（宾夕法尼亚大学）
针对神经网络系统难以合成可证明安全控制器的问题，提出一种基于凸优化的安全滤波器，结合神经网络验证的线性过近似与鲁棒线性MPC实现加性扰动下的安全保障，并在非线性摆系统上验证了有效性。
2023-08-28 cs.LG cs.SY eess.SY
Operator Splitting for Convex Constrained Markov Decision Processes
针对凸约束马尔可夫决策过程，提出基于 Douglas-Rachford splitting 的一阶算法，通过分解动态与约束实现高效求解，确保收敛性与稳定性，并在约束不可行时计算最小违约策略。
2024-12-18 cs.SY eess.SY math.OC
Approximate Bilevel Difference Convex Programming for Bayesian Risk Markov Decision Processes
针对无限时间范围MDP中的参数不确定性，提出近似双层差分凸规划（ABDCP）方法离线求解贝叶斯风险MDP，生成具性能保证的有限状态控制器最优策略。
2024-12-20 cs.SY eess.SY
A Unified Safety Protection and Extension Governor
提出统一安全保护与扩展的监督控制方案，通过单一约束优化问题在正常时维持系统安全，异常时最大化安全违规前时间以争取恢复，适用于凸约束线性系统。
2023-04-17 cs.SY eess.SY math.OC
Learning-Enabled Iterative Convex Optimization for Safety-Critical Model Predictive Control
本文提出一种启用学习的模型预测控制框架，结合离散时间高阶控制障碍函数与迭代凸优化，通过神经网络学习未知复杂不安全集边界，在保证安全的同时加速计算。
2025-09-14 cs.SY eess.SY
Stability Optimization of Positive Semi-Markov Jump Linear Systems via Convex Optimization
Graduate School of Science and Technology, Nara Institute of Science and Technology（奈良先端科学技术大学院大学理工学研究科）；Graduate School of Information Science and Technology, Osaka University（大阪大学情报理工学院）
本文研究了通过调整系统矩阵系数以在预算约束下最大化系统指数衰减率的问题，利用矩阵理论中非负矩阵谱半径的对数对数凸性结果，证明在系统矩阵和成本函数的正则条件下，稳定性优化问题可转化为凸优化问题，并通过种群生物学中的例子验证了方法的有效性。
2020-09-19 cs.SY eess.SY
On Bellman's principle of optimality and Reinforcement learning for safety-constrained Markov decision process
Aalborg University（奥尔堡大学）
针对安全约束 CMDP 中多链结构导致 Bellman 最优性原理失效的问题，本文将多目标优化转化为零和博弈，提出异步值迭代与改进 $Q$-learning，并给出迭代下界和误差界。
2023-07-12 cs.LG cs.SY eess.SY
Convex Approximations of Random Constrained Markov Decision Processes
本文研究运行成本和转移概率随机的折扣成本约束马尔可夫决策过程，将其表述为联合机会约束MDP，并构建凸上下界近似以评估最优值。
2025-05-30 cs.SY eess.SY math.OC
Safety-Critical Control Synthesis for Unknown Sampled-Data Systems via Control Barrier Functions
随着控制系统复杂性的增加，安全性成为越来越重要的属性，因为违反安全性会损坏设备并将系统操作员置于危险之中。当系统动力学未知时，安全关键综合变得更具挑战性。此外，现代系统是数字控制的，因此表现为采样数据系统，即，当以离散的时间步长施加控制输入时，系统动态连续地演变。本文研究了动态未知的安全临界采样系统的控制综合问题。我们克服了采样数据的实现和未知的动态所带来的挑战，通过构建一组控制障碍函数（CBF）为基础的约束。通过在每个采样时刻满足所构造的CBF约束，保证了未知采样数据系统在任何时刻都是安全的。我们制定了一个非凸的程序来解决在每个采样时间的控制信号。我们将非凸规划分解为两个凸子问题。我们说明了所提出的方法，使用数值案例研究。
2021-09-28 cs.SY eess.SY
Safety Verification of Unknown Dynamical Systems via Gaussian Process Regression
在非结构化环境中运行的自治系统的部署需要算法来验证其安全性。这可能是具有挑战性的，例如，控制软件中的黑盒组件，或阻止基于模型的验证的欠建模动态。我们提出了一种新的验证框架，一个未知的动力系统从一组给定的噪声观测的动态。使用在此数据集上训练的高斯过程，该框架将系统抽象为一个不确定的马尔可夫过程，其离散状态定义在安全集上。抽象的过渡界来自回归和底层系统之间的概率误差界。现有的方法来验证不确定马尔可夫过程的安全属性，然后生成安全保证。我们证明了框架的多功能性的几个例子，包括切换和非线性系统。
2020-06-15 cs.SY eess.SY
Computing Safe Control Inputs using Discrete-Time Matrix Control Barrier Functions via Convex Optimization
Department of Electrical and Computer Engineering, Brigham Young University（电气与计算机工程系， BYU）
本文提出一种基于凸优化和矩阵控制障碍函数技术的新方法，解决了离散时间非凸安全集系统计算保持安全性的控制输入的实时性限制，并在双旋翼系统仿真中验证了有效性。
2025-10-10 cs.RO cs.SY eess.SY
Bounding Optimality Gaps for Non-Convex Optimization Problems: Applications to Nonlinear Safety-Critical Systems
California Institute of Technology（加州理工学院）
本文提出两种算法，概率性界定非凸优化问题中百分位优化方法的最优性间隙，并在基准问题与 Nonlinear MPC 中验证了其有效性与实用性。
2023-04-07 cs.IT cs.RO cs.SY
Convex Computations for Controlled Safety Invariant Sets of Black-box Discrete-time Dynamical Systems
KLSS and SKLCS, ISCAS（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学前沿交叉科学研究院）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
本文提出基于凸优化的方法，利用障碍函数和场景优化，为黑箱系统计算近似正确受控安全不变集，通过实例验证方法有效性。
2026-05-11 cs.SY eess.SY
GenSafe: A Generalizable Safety Enhancer for Safe Reinforcement Learning Algorithms Based on Reduced Order Markov Decision Process Model
University of Alberta（阿尔伯塔大学）；The University of Tokyo（东京大学）
针对安全强化学习早期数据不足导致约束近似难的问题，提出基于降阶马尔可夫决策过程的GenSafe安全增强层，可在保证任务性能的同时提升学习早期安全性，且兼容多种SRL算法。
2025-01-14 cs.AI cs.LG cs.RO
Distributionally Safe Reinforcement Learning under Model Uncertainty: A Single-Level Approach by Differentiable Convex Programming
Mississippi State University（密西西比州立大学）
针对Wasserstein分布偏移下的安全强化学习双层优化难题，提出基于对偶转换与可微凸规划的单层端到端框架，显著提升一阶和二阶系统的安全保证。
2023-10-03 cs.LG cs.RO cs.SY
Minimal Intervention Shared Control with Guaranteed Safety under Non-Convex Constraints
Aalto University（阿alto大学）
本文提出了一种考虑约束的辅助控制器，通过在线计算控制动作，确保递归可行性、严格约束满足和最小偏离用户意图，适用于非凸约束的现实场景。
2026-03-17 cs.HC cs.RO cs.SY
Reliability and Safety Modeling of a Digital Feed Water Control System
许多数字化仪表和控制系统嵌入在关键的医疗保健设备，航空航天设备和核工业有明显的后果，不同的故障模式。如果没有适当地检测和修复可能是嵌入在数字系统内的硬件组件或软件代码的任何缺陷区域，则这些故障可能影响整个安全关键数字系统的行为及其传递其可靠性属性的能力。安全关键系统的安全性和可靠性分析可以通过马尔可夫建模技术来实现，该技术可以表达数字控制系统的动态和再生行为。系统中的某些状态表示系统故障，而其他状态表示无故障行为或存在故障时的正确操作。本文提出了一种基于马尔可夫链模型的数字给水控制系统安全可靠性建模方法。假设所有的马尔可夫状态和这些状态之间的转换，并根据数字控制系统的控制逻辑计算。最后，基于数字给水控制系统建模的仿真结果，系统满足其可靠性要求，在6个月时间内处于完全运行状态的概率为0.99。
2020-07-20 cs.SY eess.SP eess.SY
Observer-based Control Barrier Functions for Safety Critical Systems
本文考虑了带输出测量的安全关键控制设计问题。提出了一种基于估计误差量化观测器和控制障碍函数（CBF）方法相结合的安全控制框架。采用函数逼近技术逼近由状态估计误差引入的不确定性，提出了一种自适应CBF方法设计安全控制器，该方法通过求解凸二次规划（QP）得到。分别给出了相对度为1和更高相对度的CBF的理论结果。两个数值例子证明了所提出的控制方法的有效性。
2021-10-03 cs.SY eess.SY math.OC
Real-Time Risk-Bounded Tube-Based Trajectory Safety Verification
Computer Science and Artificial Intelligence Laboratory (CSAIL)（计算机科学与人工智能实验室（CSAIL））；Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT））
研究了自治系统在不确定时变非线性安全约束条件下的连续时间状态轨迹的实时的【形】风险有界安全验证问题.风险被定义为不满足不确定安全约束的概率。现有的解决不确定性下安全验证问题的方法要么局限于特定类别的不确定性和安全约束，例如，高斯不确定性和线性约束，或者依赖于基于采样的方法。在本文中，我们提供了一个快速的凸算法，有效地评估概率非线性安全约束的存在下，任意的概率分布和长的规划视野在实时的【形】，不需要不确定性样本和时间离散化。所提供的方法验证了给定的状态轨迹及其邻域（管）的安全性，以考虑执行的不确定性和风险。在所提供的方法中，我们首先使用的不确定性的概率分布的时刻转换成一组确定性的安全约束的概率安全约束。然后，我们使用基于平方和多项式的凸方法来验证在整个规划时间范围内获得的确定性安全约束，而无需时间离散化。为了说明所提出的方法的性能，我们将所提供的方法应用于自动驾驶车辆和自主飞行器的安全验证问题。
2021-10-01 cs.RO cs.SY eess.SY
On system-wide safety staffing of large-scale parallel server networks
我们引入了一个“系统范围内的安全人员配置”（SWSS）参数的多类多池网络的任何树拓扑结构，马尔可夫或非马尔可夫，在Halfin-Whitt制度。当每个服务器池采用平方根人员配备规则时，该参数可以被视为$\sqrt{n}$阶容量波动（正或负）的最佳重新分配。我们提供了一个明确的形式的SWSS作为系统参数的函数，这是使用基于高斯消去法的图论方法。对于马尔可夫网络，我们通过极限扩散的漂移参数给出了SWSS参数的等价刻画。我们表明，如果SWSS参数是负的，限制扩散和扩散标度的扩散过程是瞬态的任何马尔可夫控制下，不能有一个平稳的分布时，该参数为零。如果它是正的，我们表明，扩散标度的调度过程是一致稳定的，也就是说，存在一个调度策略下的平稳分布的控制过程是紧的网络的大小。此外，存在一个控制下，限制受控扩散是指数遍历。因此，我们已经确定了一个充要条件的一致稳定的网络中的Halfin-Whitt制度。我们使用一个恒定的控制叶消除算法，以稳定的限制控制扩散，而家庭的马尔可夫调度政策，这是很容易计算的用于稳定的扩散缩放过程。最后，我们证明了在这些控制下的过程是指数遍历和平稳分布有指数尾巴。
2021-06-16 cs.SY eess.SY math.PR
A Method for Crash Prediction and Avoidance Using Hidden Markov Models
近年来，汽车技术取得了稳步发展。特别是，高级驾驶员辅助系统（ADAS）为商用车提供了许多安全功能，例如行人检测、车道保持辅助、紧急自动制动等。尽管这些功能为驾驶员提供了更安全的操作环境，但由于道路条件复杂，道路使用者（包括车辆、行人、骑自行车者、和非机动车。在本文中，我们的目的是预测的可能性之间的碰撞车辆在高速公路上，并实施适当的主动安全系统，以防止相同的。特别是，隐马尔可夫模型的交通车道和高速公路上的车辆的速度变化。算法的开发用于预测的碰撞概率。利用Matlab进行了仿真实验，结果验证了所提方法的有效性。
2022-12-22 cs.SY eess.SY
A Markov Decision Process Framework for Enhancing Power System Resilience during Wildfires under Decision-Dependent Uncertainty
本文提出基于状态的决策框架，通过优化时间内的切换动作，最小化野火事件中的总运营成本，利用马尔可夫状态表示网络拓扑，结合天气和电力流动态进行状态转移，通过近似动态规划算法解决大规模状态和动作空间的计算挑战。
2026-04-08 cs.SY eess.SY math.OC
ShardNet: Training Neural Controllers with Hard, Non-Convex Constraints
Department of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院机械工程系）
提出ShardNet架构，通过可微投影层严格强制执行多面体约束，实现安全内嵌的神经网络控制器，在非凸约束下保持100%安全并降低目标损失。
2026-07-01 cs.LG cs.SY eess.SY
Safe Multi-Robotic Arm Interaction via 3D Convex Shapes
Electrical and Computer Engineering Department, Tandon School of Engineering, New York University（电气与计算机工程系，工程学院，纽约大学）
本研究提出基于高阶控制屏障函数的多机械臂碰撞避障方法，通过集中式和分布式安全过滤器实现安全交互，适用于共享空间中的多机械臂协作。
2025-11-27 cs.RO cs.SY eess.SY
Dynamic Regret Analysis of Safe Distributed Online Optimization for Convex and Non-convex Problems
Northeastern University（东北大学）；Texas A&M University（得克萨斯农工大学）
本文讨论了一组未知的线性安全约束的安全分布式在线优化。代理网络的目标是共同最小化一个全球性的，时变的功能，这是只有部分观察到每个单独的代理。因此，代理人必须从事本地通信，以产生一个安全的行动序列与最佳的最小化序列在事后的竞争力，和两个序列之间的差距是通过量化的动态遗憾。我们提出了分布式安全在线梯度下降（D-Safe-OGD）与探索阶段，其中所有的代理估计约束参数协作建立估计可行集，确保在优化阶段的行动选择的安全性。我们证明了对于凸函数，D-Safe-OGD实现了$O(T^{2/3} \sqrt{\log T} + T^{1/3}C_T^*)$的动态遗憾界，其中$C_T^*$表示最佳极小序列的路径长度。我们进一步证明了$O(T^{2/3} \sqrt{\log T} + T^{2/3}C_T^*)$对某些非凸问题的动态遗憾界，这建立了一个安全的分布式算法在非凸设置的第一个动态遗憾界。
2023-02-23 cs.LG cs.SY eess.SY
Iterative Convex Optimization for Model Predictive Control with Discrete-Time High-Order Control Barrier Functions
University of California, Berkeley（加州大学伯克利分校）；Boston University（波士顿大学）
针对含安全约束的MPC实时求解难题，提出迭代凸优化框架，通过逐时步线性化动力学与DHOCBF约束，支持任意相对度并兼顾安全保证与计算效率。
2023-07-13 cs.RO cs.SY eess.SY
Spline Trajectory Tracking and Obstacle Avoidance for Mobile Agents via Convex Optimization
提出一种基于输出反馈控制的运动规划技术，通过将多边形环境分解为重叠单元并利用CLFs和CBFs构建LMIs，求解SDP问题为每个凸单元综合出控制器，实现智能体多项式轨迹跟踪与避障，仿真验证了其对初始条件变化的鲁棒性和安全性。
2024-03-25 cs.SY eess.SY
Safety monitoring under stealthy sensor injection attacks using reachable sets
针对传统故障检测器难以发现的隐蔽传感器注入攻击，提出仅监测控制输入并通过凸优化计算输入可达集椭球边界的安全检测方法，并经仿真验证。
2023-07-24 cs.SY eess.SY
Collision Avoidance for Convex Primitives via Differentiable Optimization Based High-Order Control Barrier Functions
New York University（纽约大学）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
针对凸基元碰撞避免及扭矩控制等场景下的问题，提出基于可微优化的高阶控制障碍函数框架，将非凸约束转为线性约束并解决伪平衡点问题，在机械臂实验中验证了有效性。
2026-10-08 cs.SY eess.SY
SOS: Safe, Optimal and Small Strategies for Hybrid Markov Decision Processes
对于混合马尔可夫决策过程，UPPAAL Rupgo可以计算出对于给定的安全属性是安全的并且对于给定的代价函数是最优的（在极限下）策略。不幸的是，这些策略不能很容易地导出，因为它们是作为一个很长的列表计算的。在本文中，我们展示了学习决策树形式的策略的紧凑表示的方法。这些决策树更小，更容易理解，并且可以很容易地导出为可以加载到嵌入式系统中的代码。尽管原始策略的大小压缩和实际差异，我们提供了安全性和最优性的决策树策略的保证。在顶部，我们展示了如何获得更小的表示，这些表示仍然保证安全，但在大小和最优性之间实现了所需的权衡。
2019-06-25 cs.LO cs.SY eess.SY
Efficient and Safe Exploration in Deterministic Markov Decision Processes with Unknown Transition Models
Stanford University（斯坦福大学）；Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）
本文提出了一种安全探索算法，通过利用Lipschitz连续性确保在探索过程中不访问危险状态，该算法在确定性马尔可夫决策过程中提供了确定性的安全保证，并通过模拟导航任务验证了其性能。
2019-04-01 cs.AI cs.LG cs.RO
Enforcing Safety under Actuator Attacks through Input Filtering
致动器注入攻击对所有通过通信网络控制的工业工厂构成了真正的威胁。在这篇手稿中，我们研究了限制控制器输出（即输入到执行器）的可能性，通过一个动态滤波器，旨在防止危险的植物状态的可达性-防止因此攻击诱导危险状态通过篡改控制信号。滤波器的合成是作为一个凸规划（凸成本与线性矩阵不等式约束）的解决方案，我们的目标是转移的控制信号的可达集，以避免危险的状态，同时尽可能少地改变控制器的动态。我们对原始控制信号和滤波信号之间的差异进行建模，并将其差异的H-无穷范数作为约束条件添加到合成问题中，通过有界实引理。通过仿真实验说明了结果。
2021-11-17 cs.SY eess.SY
Learning Control Barrier Functions with Deterministic Safety Guarantees
本文提出利用ReLU神经网络和迭代凸上界方法，为离散时间动力系统设计具有确定性安全保证的控制障碍函数。
2025-11-25 cs.SY eess.SY
Probabilistic Guarantees for Nonlinear Safety-Critical Optimal Control
California Institute of Technology（加州理工学院）
利用黑盒风险感知验证的最新发展，我们提供了三种算法，这些算法可以在（1）解决方案的最优性，（2）递归可行性和（3）一般非线性安全临界有限时间最优控制器的最大控制器运行时间上生成概率保证。这些方法放弃了典型理论保证所需的通常（可能）限制性假设，例如非线性模型预测控制中递归可行性的终端集计算，或最优控制器的凸化以确保最优性。此外，我们表明，这些方法可以直接应用于硬件系统，以产生各自的系统上的控制器保证。
2023-03-11 cs.RO cs.SY eess.SY
Constrained Risk-Averse Markov Decision Processes
California Institute of Technology（加州理工学院）；NASA Jet Propulsion Laboratory（NASA喷气推进实验室）
研究了具有动态一致风险目标和约束条件的马尔可夫决策过程的策略设计问题。我们首先在拉格朗日框架中阐述这个问题。在假设风险目标和约束可以用马尔可夫风险转移映射表示的前提下，提出了一种基于优化的方法来合成马尔可夫策略，使约束风险规避问题下界化.我们表明，制定的优化问题是在差分凸规划（DCP）的形式，并可以解决纪律凹凸规划（DCCP）框架。我们表明，这些结果推广了线性规划的约束MDPs总折扣的期望成本和约束。最后，我们说明了所提出的方法的有效性与数值实验的漫游车导航问题，涉及条件风险价值（CVaR）和熵风险价值（EVaR）的一致风险措施。
2021-03-28 cs.AI cs.RO cs.SY
Wasserstein Distributionally Robust Control Barrier Function using Conditional Value-at-Risk with Differentiable Convex Programming
Mississippi State University（密西西比州立大学）
本文提出分布鲁棒控制屏障函数DR-CBF，通过单层凸重构估计Wasserstein分布偏移下的CVaR，并利用可微凸规划实现前向不变性，在保持计算效率的同时提升安全控制器对分布偏移的鲁棒性。
2023-09-15 cs.LG cs.RO cs.SY
Geometry-Aware Safety-Critical Local Reactive Controller for Robot Navigation in Unknown and Cluttered Environments
The Hong Kong University of Science and Technology（香港科技大学）；Hong Kong Baptist University（香港浸会大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本研究针对未知杂乱环境下机器人导航问题，提出基于多项式优化与SOS近似的几何感知安全关键型局部反应控制器，通过凸化为SDP实现实时求解，验证了其安全性与跟踪性能优势。
2023-10-09 cs.RO cs.SY eess.SY
Barrier Function Overrides For Non-Convex Fixed Wing Flight Control and Self-Driving Cars
Georgia Tech Research Institute（佐治亚理工学院研究 institute）；College of Computing at the Georgia Institute of Technology（佐治亚理工学院计算机学院）
本文针对固定翼飞机和自动驾驶汽车两类非凸系统，提出离散时间下的新型屏障函数覆盖方法，并通过近似求解在零安全违规下实现与基线强化学习相当的性能。
2025-05-08 cs.RO cs.SY eess.SY
Computing the Exact Pareto Front in Average-Cost Multi-Objective Markov Decision Processes
Department of Computer；Information Science, Link \"o ping University, Sweden Email
本文研究了平均成本多目标马尔可夫决策过程中的精确帕累托前沿，通过几何特性分析，揭示了其作为凸多面体边界连续分段线性表面的结构，并应用于远程状态估计问题。
2026-04-02 cs.IT cs.LG cs.NI
