A Hamilton-Jacobi Reachability Framework with Soft Constraints for Safety-Critical Systems
针对传统可达性方法严格约束导致解保守的问题，提出带软约束的Hamilton-Jacobi可达性框架，通过增广状态模型和正则化近似实现软硬约束协同管理，经航空场景仿真验证有效。
2025-10-28 cs.SY eess.SY
Deep QP Safety Filter: Model-free Learning for Reachability-based Safety Filter
Seoul National University（首尔国立大学）
本文提出深度QP安全过滤器，通过结合HJ可达性与模型无关学习，无需模型知识学习QP安全过滤器，有效减少预收敛失败并加速学习，提供了一种安全、实用的模型无关控制方法。
2026-04-14 cs.RO cs.SY eess.SY
DaDRA: A Python Library for Data-Driven Reachability Analysis
可达性分析用于确定系统在不确定性下可能达到的所有可能状态。它是获得各种安全关键系统的安全验证和控制器综合保证的关键组成部分。虽然传统的可达性分析方法提供了可达集的正式保证，但它们涉及复杂的算法，需要完整的系统信息，这对于在现实世界中使用是不切实际的。我们提出了Daisy，一个Python库，允许数据驱动的可达性分析与任意强大的概率保证。我们展示了Daetron在各种系统上的实际功能，包括：一个分析上难以处理的混沌系统，非线性动力学系统的基准，以及一个现实的系统在复杂的干扰信号下起作用，并在多个维度上用复杂的控制器控制。
2021-11-02 cs.SY eess.SY
Automatic and Scalable Safety Verification using Interval Reachability with Subspace Sampling
本文提出一种基于子空间采样的自动区间细化策略，用于高效安全验证，保证界限随辅助变量增加而收缩，并在JAX中实现，验证于多智能体避障控制。
2025-09-23 cs.SY eess.SY
On Safety and Liveness Filtering Using Hamilton-Jacobi Reachability Analysis
University of Southern California（南加州大学）；Universidad de Santiago de Chile（智利圣地亚哥大学）
针对现有HJ可达性滤波控制器存在突变切换的问题，提出统一的安全与活性滤波器设计框架，明确最大安全控制输入集，构建三种权衡不同的滤波器，经多场景验证并讨论实际落地问题，推动可达性控制器的现实应用。
2024-08-17 cs.RO cs.SY eess.SY
Controller Synthesis for Safety and Reachability via Approximate Bisimulation
Laboratoire Jean Kuntzmann Universit\'e de Grenoble B.P. 53, 38041 Grenoble, France
本文利用近似双模拟抽象方法，针对安全性和可达性规范设计控制器，通过抽象控制器综合与具体化过程保证正确性，并给出与最优控制器的距离估计。
2011-06-16 cs.LO cs.SY eess.SY
Hamilton-Jacobi Reachability-Based Safe Reinforcement Learning for Emergency Collision Avoidance
Tsinghua University（清华大学）；Jilin University（吉林大学）
提出一种基于Hamilton-Jacobi可达性运动安全集的安全强化学习框架，通过离线数据近似安全集并嵌入约束马尔可夫决策过程，实现紧急避撞中的前瞻性安全监督与策略优化。
2026-06-16 cs.RO cs.SY eess.SY
Robust Control Barrier-Value Functions for Safety-Critical Control
本文致力于统一两个流行的方法在安全控制社区：汉密尔顿-雅可比（HJ）的可达性和控制障碍函数（CBFs）。HJ可达性具有用于直接构造提供安全保证和安全控制器的值函数的方法，然而在线实现可能过于保守和/或依赖于抖动的砰砰控制。CBF社区有使用二次规划（CBF-QP）的逐点优化形式的保护控制器的方法，其中基于CBF的安全证书用作约束。然而，找到一个有效的CBF一般动力系统是具有挑战性的。本文将这两种方法结合起来，引入一个新的可达性公式的启发结构的CBFs构建一个控制障碍值函数（CBVF）。我们验证了CBVF是一个新的Hamilton-Jacobi-Isaacs变分不等式的粘性解，并保留了与原始可达性公式相同的安全保证。最后，受CBF-QP的启发，我们提出了一种基于QP的控制和干扰仿射系统的在线控制综合，其解决方案总是CBVF的最优控制信号对有界干扰具有鲁棒性。我们证明了使用CBVF的双积分器和Dubins汽车系统的好处，通过比较它与以前的方法。
2021-10-25 cs.SY eess.SY
Reachability-Preserving Bellman Operator for the Discounted Reach-Cost Value Function: Uniting Hamilton-Jacobi Reachability and Reinforcement Learning
Delft University of Technology（代尔夫特理工大学）
本文针对哈密顿 - 雅可比可达性数值解的维度诅咒问题，基于保持语义的折扣可达值函数，推导非加法贝尔曼算子，建立其与HJ表征的等价性，使强化学习可解释为近似方案，为高维系统可达集和安全证书计算提供新方法。
2026-07-10 cs.SY eess.SY
Probabilistic Reachability and Invariance Computation of Stochastic Systems using Linear Programming
本文研究有限时域离散时间随机系统的安全性评估，将概率不变性与可达性及可达-避障问题关联，并提出利用动态规划和线性规划进行高效计算。
2023-04-14 cs.SY eess.SY
Reachability-based Trajectory Safeguard (RTS): A Safe and Fast Reinforcement Learning Safety Layer for Continuous Control
School of Mechanical Engineering, University of Michigan（密歇根大学机械工程学院）；Robotics Institute, University of Michigan（密歇根大学机器人研究所）；Stanford University（斯坦福大学）
强化学习（RL）算法在决策和控制任务中取得了显着的性能，因为它们能够使用试错来推理长期累积的奖励。然而，在RL训练期间，将这种试错方法应用于在安全关键环境中操作的真实世界机器人可能会导致碰撞。为了应对这一挑战，本文提出了一种基于可达性的轨迹保障（RTS），它利用可达性分析，以确保在训练和操作过程中的安全。给定一个已知的（但不确定的）模型的机器人，RTS预先计算的机器人跟踪一个连续的参数化轨迹的前向可达集。在运行时，RL代理以滚动时域的方式从这个连续体中进行选择以控制机器人; FRS用于识别代理的选择是否安全，并调整不安全的选择。三个非线性机器人模型，包括一个12-D四旋翼无人机，在仿真和比较国家的最先进的安全运动规划方法，说明了这种方法的有效性。
2021-03-02 cs.RO cs.SY eess.SY
Multi-Agent Reachability Calibration with Conformal Prediction
针对融合其他智能体行为预测的自主智能体安全保障问题，提出结合分位数回归、共形预测与可达性分析的方法，生成概率安全且动态可行的预测集，并通过自动驾驶仿真与波音飞行器实验验证了其在规划安全认证中的效用。
2023-12-13 cs.SY eess.SY
Gradient-Free Neural Hamilton-Jacobi Reachability for Scalable Safety-Critical Control
Stanford University（斯坦福大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
提出一种无梯度神经HJ可达性框架，利用bang-bang结构和窗口化时间课程学习值函数，在高达80维基准和16,000维F1-tenth赛车上实现可扩展的安全控制与零样本泛化。
2026-10-28 cs.RO cs.SY eess.SY
Reachability Analysis for FollowerStopper: Safety Analysis and Experimental Results
University of California, Berkeley（加州大学伯克利分校）；The University of Arizona（亚利桑那大学）
受早期工作和开发人员的一个新的算法，FollowerStopper，本文使用可达性分析，以验证FollowerStopper算法，这是一个控制器，旨在抑制停止和去交通波的安全性。通过我们的物理平台收集的超过1100英里的驾驶数据，我们通过将其与人类驾驶行为进行比较来验证分析结果。FollowerStopper控制器已被证明可以在低速时抑制停走交通波，但以前对其相对安全性的分析仅限于加速度的上限和下限。为了扩展以前的分析，可达性分析用于调查在最初测试的速度下以及在更高速度下的安全性。两个配方的安全性分析与不同的标准：基于距离和基于时距。根据基于距离的标准，认为FollowerStopper安全。然而，模拟结果表明，FollowerStopper并不代表人类驾驶员-它跟在车辆后面太近，特别是在人类认为不安全的距离。另一方面，在基于时间间隔的安全性分析中，认为FollowerStopper不再安全。提出了一种改进的FollowerStopper，以满足基于时间的安全准则。仿真结果表明，FollowerStopper的响应能更好地反映驾驶员的驾驶行为.
2021-12-29 cs.MA cs.RO cs.SY
Approximate Stochastic Reachability for High Dimensional Systems
提出了一种计算高维随机动力系统的随机可达安全概率的方法。我们的方法利用了一种称为条件分布嵌入的非参数学习技术，使用数据驱动的方法来建模随机内核。通过将动力学和不确定性嵌入到再生核希尔伯特空间中，可以将随机可达性问题的安全概率计算为简单的矩阵运算和内积。我们采用收敛近似技术，随机傅立叶特征，以减轻高维系统的计算需求增加。这种技术避免了维数灾难，并使高维系统的安全概率的计算，而无需事先知道的动态或不确定性的结构。我们验证了这种方法上的双积分系统，并证明了其能力的百万维，非线性，非高斯，重复平面四旋翼系统。
2020-10-15 cs.SY eess.SY math.OC
LTLf Synthesis Under Environment Specifications for Reachability and Safety Properties
Sapienza University of Rome（罗马第一大学）；University of Oxford（牛津大学）；ENS Rennes（雷恩高等师范学校）；The University of Sydney（悉尼大学）
本文系统研究了环境规范下LTLf合成问题，针对可达性和安全性属性提出完整算法框架，并证明各算法在复杂度上最优且正确。
2023-08-29 cs.AI cs.FL cs.LO
Reachability Analysis and Safety Verification for Neural Network Control Systems
Vanderbilt University（范德堡大学）
本文提出利用线性规划算法对神经网络控制器的可达集进行过近似，并结合常微分方程模型进行闭环系统可达集估计，最终通过检查估计可达集与不安全区域的交集实现神经网络控制系统的安全性验证。
2018-05-25 cs.SY eess.SY
Scalable Learning of Safety Guarantees for Autonomous Systems using Hamilton-Jacobi Reachability
像飞机和辅助机器人这样的自主系统通常在保证安全至关重要的情况下运行。像Hamilton-Jacobi可达性这样的方法可以为这样的系统提供有保证的安全集和控制器。然而，通常这些相同的场景具有未知或不确定的环境，系统动态或其他代理的预测。随着系统的运行，它可能会学习有关这些不确定性的新知识，因此应相应地更新其安全分析。然而，由于分析的计算复杂性，学习和更新安全分析的工作仅限于大约二维的小系统。在本文中，我们综合了几种技术，以加快计算：分解，热启动，自适应网格。使用这个新的框架，我们可以更新安全集的速度比以前的工作快一个或多个数量级，使这项技术适用于许多现实的系统。我们展示了我们的结果模拟2D和10 D近悬停四轴飞行器在有风的环境中工作。
2021-04-02 cs.LG cs.RO cs.SY
Provably Safe Reinforcement Learning via Action Projection using Reachability Analysis and Polynomial Zonotopes
Technical University of Munich（慕尼黑工业大学）；Stony Brook University（石溪大学）
虽然强化学习在许多应用中产生了非常有前途的结果，但其主要缺点是缺乏安全保证，这阻碍了其在安全关键系统中的使用。在这项工作中，我们解决这个问题的安全盾的非线性连续系统，解决达到避免任务。我们的安全盾通过将建议的动作投影到最接近的安全动作来防止从强化学习代理应用潜在的不安全动作。这种方法被称为动作投影，并通过混合整数优化来实现。动作投影的安全约束是通过应用参数化的可达性分析，使用多项式zonotopes，这使得能够准确地捕捉系统上的动作的非线性影响。与其他最先进的动作投影方法相比，我们的安全防护罩可以有效地处理输入约束和动态障碍物，简化将空间机器人尺寸纳入安全约束，尽管有过程噪声和测量误差，但仍能保证鲁棒的安全性，并且非常适合高维系统，正如我们在几个具有挑战性的基准系统上所展示的那样。
2023-03-14 cs.LG cs.RO cs.SY
Refining Control Barrier Functions through Hamilton-Jacobi Reachability
University of California, San Diego（加州大学圣地亚哥分校）
基于控制障碍函数（CBF）的安全滤波器已经成为自治系统安全关键控制的实用工具。这些方法通过价值函数对安全性进行编码，并通过对该价值函数的时间导数施加约束来加强安全性。然而，合成一个有效的CBF，是不是过于保守的输入约束的存在是一个臭名昭著的挑战。在这项工作中，我们建议细化候选CBF使用形式化验证的方法，以获得一个有效的CBF。特别是，我们更新专家合成或备份CBF使用动态规划（DP）为基础的可达性分析。我们的框架，refineBBF，保证每一个DP迭代得到的CBF是可证明的至少作为安全的前一次迭代，并收敛到一个有效的CBF。因此，refineCBF可用于机器人系统的环路中。我们证明了我们的方法的实用性，以提高安全性和/或减少保守性的范围内的非线性控制仿射系统，使用各种CBF合成技术的模拟。
2022-08-19 cs.RO cs.SY eess.SY
Reachability-Based Safety and Goal Satisfaction of Unmanned Aerial Platoons on Air Highways
Department of Electrical Engineering and Computer Sciences（电气与计算机工程科学系）
本文提出利用空气高速路结构对无人机编队进行 tractable 分析，通过混合系统模型和 Hamilton-Jacobi 可达性方法，确保编队在不同模式转换中的安全性和目标满足性，同时通过仿真验证了该方法的有效性。
2017-01-31 cs.MA cs.SY eess.SY
Online Data-Driven Safety Certification for Systems Subject to Unknown Disturbances
本文提出一种在线数据驱动的安全性验证策略，通过滚动时域估计器在线表征未知干扰并结合计算图分析工具进行可达性计算，以实时验证自主系统避开危险区域，理论证明与无人水面艇硬件实验均验证了其有效性。
2023-10-30 cs.SY eess.SY
Hamilton-Jacobi Reachability for Hybrid Systems: Unified Goal-Driven Control with Safety Guarantees
Universidad de Santiago de Chile（智利圣地亚哥大学）；University of Southern California（南加州大学）；Stanford University（斯坦福大学）
本文扩展Hamilton-Jacobi可达性分析至混合系统，提出安全集刻画、最小限制安全滤波器及混合后向可达-避碰管，实现安全与目标驱动控制，并经四足机器人仿真与实验验证。
2026-09-16 cs.RO cs.SY eess.SY
Backward Reachability Analysis for Neural Feedback Loops
Massachusetts Institute of Technology（麻省理工学院）
神经网络（NN）在安全关键型应用中的日益普及，要求有方法来证明其行为并保证安全性。提出了一种用于神经反馈回路（NFLs）安全性验证的向后可达性方法，具有NN控制策略的闭环系统。虽然最近的工作集中在前向可达性作为NFL安全认证的策略，但后向可达性提供了优于前向策略的优势，特别是在避障场景中。先前的工作已经开发了向后可达性分析的系统没有NN的技术，但存在的NN在反馈回路中提出了一组独特的问题，由于其激活函数的非线性，因为NN模型通常是不可逆的。为了克服这些挑战，我们使用现有的前向NN分析工具来找到控制输入的仿射边界，并求解一系列线性规划（LP）来有效地找到反投影（BP）集的近似，即，NN控制策略将驱动系统达到给定目标集的状态集。我们提出了一种算法，迭代地找到BP集估计在给定的时间范围内，并证明了能够降低保守性的BP集估计高达88%，具有较低的额外计算成本。我们使用数值计算结果从一个双积分器模型来验证这些算法的有效性，并证明了在碰撞避免的情况下，向前可达性失败的线性化地面机器人模型，以证明安全的能力。
2022-11-21 cs.LG cs.RO cs.SY
Safe Autonomy for Uncrewed Surface Vehicles Using Adaptive Control and Reachability Analysis
Aurora Flight Sciences（极光飞行科学公司）；Massachusetts Institute of Technology（麻省理工学院）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）
本文提出结合MRAC与基于MHE的可达性分析的USV安全自主框架，可在线估计扰动、认证安全，并在实船与任务仿真中显著降低轨迹误差。
2024-10-01 cs.RO cs.SY eess.SY
Safe reinforcement learning for probabilistic reachability and safety specifications: A Lyapunov-based approach
Seoul National University（首尔国立大学）
机器人和自主系统中的新兴应用，如自动驾驶和机器人手术，通常涉及关键的安全约束，即使有关系统模型的信息有限，也必须满足这些约束。在这方面，我们提出了一个无模型的安全规范方法，学习安全操作的最大概率，通过仔细结合概率可达性分析和安全强化学习（RL）。我们的方法构造了一个关于安全策略的李雅普诺夫函数来约束每个策略改进阶段。其结果是，它产生了一系列的安全策略，确定安全操作的范围，称为安全集，单调扩展，并逐渐收敛。我们还开发了一个有效的安全的探索计划，加快了未检查状态的安全性识别过程。利用李雅普诺夫屏蔽，我们的方法调节的探索性政策，以避免危险状态的高置信度。为了处理高维系统，我们通过引入拉格朗日松弛技术来进一步扩展我们的方法到深度RL，以建立一个易于处理的actor-critic算法。我们的方法的经验表现证明，通过连续控制基准问题，如达到任务的平面机器人手臂。
2020-02-24 cs.AI cs.RO cs.SY
Controller-Agnostic Runtime Safety Certificates for Tool-Using AI Agents via Data-Driven Robust Reachability
Rochester Institute of Technology（罗切斯特理工学院）；George Washington University（乔治华盛顿大学）
该研究针对使用工具的AI智能体，提出一种与控制器无关的运行时安全证书，通过数据驱动的鲁棒可达性方法，在多类控制器和数据集上实现了零不安全结果，且对未充分覆盖的危险仍保持正确性。
2026-10-26 cs.SY eess.SY
An Interval Arithmetic Approach to Input-Output Reachability
针对系统可达集计算量大的问题，提出结合Chen-Fliess级数与区间算术的可达集过估计方法，可得到过估计集合的闭式表达式，并通过示例验证了方法效果。
2023-06-13 cs.SY eess.SY
SReachTools Kernel Module: Data-Driven Stochastic Reachability Using Hilbert Space Embeddings of Distributions
我们目前的算法执行数据驱动的随机可达性作为除了SReachTools，一个开源的随机可达性工具箱。我们的方法利用一类被称为分布的内核嵌入的机器学习技术来近似各种随机可达性问题的安全概率。通过将系统状态的概率分布表示为再生核希尔伯特空间中的元素，我们可以通过一个简单的正则化最小二乘问题来学习“最佳拟合“分布，然后将随机可达安全概率计算为简单的线性运算。这种方法允许有限的样本范围，并具有已知的依概率收敛。我们实现这些方法的SReachTools的一部分，并证明他们的使用上的双积分器系统，在一个百万维重复平面四旋翼系统，和一个车杆系统与黑盒神经网络控制器。
2021-03-22 cs.SY eess.SY math.OC
Patching Approximately Safe Value Functions Leveraging Local Hamilton-Jacobi Reachability Analysis
University of California, San Diego（加利福尼亚大学圣迭戈分校）
针对神经网络等逼近器得到的近似安全值函数缺乏形式化保证的问题，提出 HJ-Patch 局部动态规划修补算法，在保留全局结构的同时获得安全保证，并将计算复杂度较标准 HJ 可达性降低 2 个数量级。
2024-09-06 cs.RO cs.SY eess.SY
Risk Assessment for Nonlinear Cyber-Physical Systems under Stealth Attacks
本文针对非线性信息物理系统在隐蔽攻击下的风险评估问题，提出结合系统可达性近似与风险场构建的框架，并引入动态风险度量指标，实现可解释的风险预测与安全预警。
2024-05-04 cs.SY eess.SY
An Efficient Reachability-Based Framework for Provably Safe Autonomous Navigation in Unknown Environments
University of California, Berkeley（加州大学伯克利分校）
提出一种基于Hamilton-Jacobi可达性的高效实时安全分析框架，在未知环境中为自主导航提供可证明的安全保证，且不依赖特定规划器，并已在仿真和硬件上验证。
2019-05-01 cs.AI cs.LG cs.RO
Backup Control Barrier Function Synthesis using Sum-of-Squares Reachability
University of Michigan（密歇根大学）；California Institute of Technology（加州理工学院）；Illinois Institute of Technology（伊利诺伊理工大学）
该研究针对输入受限非线性系统，提出基于有限时间域平方和反向可达性的备份控制障碍函数综合方法，生成更优备份配对以扩大安全集，提升bCBF框架的安全认证能力。
2026-08-31 cs.SY eess.SY
Safe Meta-Reinforcement Learning via Information Space Reachability
Massachusetts Institute of Technology（麻省理工学院）
本文提出一种安全元强化学习框架，通过在信息空间中推理安全性并学习安全值函数，实现适应过程中的安全过滤与约束策略优化，实验验证了其有效性。
2026-09-15 cs.LG cs.SY eess.SY
Searching for Optimal Runtime Assurance via Reachability and Reinforcement Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Rational CyPhy Inc.（理性赛博物理公司）；Air Force Research Laboratory（美国空军研究实验室）
针对现有运行时保证系统（RTA）设计保守或存安全隐患的问题，提出基于奖励塑形与强化学习的最优RTA设计方法，可在保障安全的同时提升实验性控制器利用率。
2023-10-06 cs.AI cs.FL cs.SY
Data-Driven Reachability of Nonlinear Lipschitz Systems via Koopman Operator Embeddings
TUM School of Computation, Information, and Technology (CIT), Technical University of Munich (TUM)（慕尼黑工业大学计算、信息与技术学院）
本文提出基于Koopman算子和zonotopic集合表示的数据驱动可达性框架，通过将非线性系统提升为有限维线性模型，减少保守性并保持形式安全保证，实验证明其在长预测范围内的可达集近似更精确。
2026-08-12 cs.SY eess.SY
Safety-Critical Human-Machine Shared Driving for Vehicle Collision Avoidance based on Hamilton-Jacobi reachability
Tsinghua University（清华大学）；University of Michigan（密歇根大学）；Central South University（中南大学）
针对车辆避碰人机共享控制中现有方法易打断驾驶员意图、冲突风险高的问题，提出基于HJ可达性分析的RL框架，仅在车辆接近CARS时介入，通过预计算可达集、驾驶员建模与权限分配策略，在实车测试中实现了有效避碰且减少人机冲突。
2025-08-31 cs.RO cs.SY eess.SY
On Infusing Reachability-Based Safety Assurance within Planning Frameworks for Human-Robot Vehicle Interactions
Stanford University（斯坦福大学）；Simon Fraser University（西蒙弗雷泽大学）
行动预期、意图预测和主动行为都是交互式场景中自动驾驶策略的理想特征。然而，最重要的是确保道路安全--这样做的一个关键挑战是在不过度影响规划者表现的情况下考虑人类驾驶员行为的不确定性。本文介绍了一种在自主车辆控制栈内操作的最小干预安全控制器，其作用是确保与外部控制的（例如，人驱动的）对应物，同时考虑诸如道路边界墙的静态障碍物。我们利用可达性分析来构建一个实时（100 Hz）控制器，该控制器具有双重作用：（i）使用模型预测控制从更高级别的规划算法跟踪输入轨迹，以及（ii）通过保持无碰撞逃逸机动的可用性作为持久约束来确保安全性，而不管其他汽车未来采取什么行动。一个全尺寸的线控转向平台用于进行交通交织实验，其中两辆车，最初并排，必须在有限的时间和距离内交换车道，模拟汽车合并到/关闭高速公路。我们证明，通过我们的控制堆栈，自动驾驶汽车能够避免碰撞，即使另一辆车违背规划者的期望并采取危险行动，无论是不小心还是有意碰撞，否则偏离计划轨迹的程度最小，以保持安全。
2020-12-06 cs.RO cs.SY eess.SY
PRREACH: Probabilistic Risk Assessment Using Reachability for UAV Control
Oregon State University（俄勒冈州立大学）
针对现有无人机风险评估框架数据依赖强、缺风险缓解控制方法的问题，提出基于可达性分析的PRReach方法，通过动力学与轨迹概率评估构建风险有界控制优化，可离线/在线应用，仿真显示比经典控制器最多降24%（离线）、53%（在线）风险。
2025-08-20 cs.RO cs.SY eess.SY
State-Based Confidence Bounds for Data-Driven Stochastic Reachability Using Hilbert Space Embeddings
在本文中，我们计算有限样本界的随机可达性问题的解决方案的数据驱动的近似。我们的方法使用了一个非参数技术称为核广义函数嵌入，并提供了概率保证随机系统的安全性在一个无模型的方式。通过在再生核希尔伯特空间中隐式嵌入马尔可夫控制过程的随机核，我们可以用简单的矩阵运算和内积来逼近具有任意随机干扰的随机系统的安全概率.我们提出了有限的样本边界的基于点的近似的安全概率，通过建设的概率置信区间是状态和输入相关的。这种方法的一个优点是，边界是响应于非均匀采样的数据，这意味着更严格的边界是可行的，在区域的状态和输入空间与更多的观察。我们数值评估的方法，并证明其有效性的神经网络控制的单摆系统。
2021-12-07 cs.SY eess.SY math.OC
Multi-Vehicle Collision Avoidance via Hamilton-Jacobi Reachability and Mixed Integer Programming
University of California, Berkeley（加州大学伯克利分校）
本文提出利用霍尔-雅可比可达性与混合整数规划解决多车避障问题，提供安全保证并克服了传统方法在大规模系统中的可扩展性限制。
2016-10-04 cs.MA cs.SY eess.SY
Safe Autonomous Racing via Approximate Reachability on Ego-vision
Carnegie Mellon University（卡内基梅隆大学）；Bosch Research Pittsburgh（博世研究院匹兹堡）；University of California, San Diego（加州大学圣地亚哥分校）
赛车要求每辆车都能在其物理极限下行驶，任何安全违规都可能导致灾难性的故障。在这项工作中，我们研究了安全的强化学习（RL）的自主赛车的问题，使用车辆的自我摄像头的看法和速度作为输入。鉴于任务的性质，自主智能体需要能够1）识别和避免复杂车辆动力学下的不安全场景，2）在快速变化的环境中做出亚秒级的决策。为了满足这些标准，我们建议将汉密尔顿-雅可比（HJ）可达性理论，一般非线性系统的安全验证方法，到约束马尔可夫决策过程（CMDP）的框架。HJ可达性不仅提供了一种了解安全性的控制理论方法，而且还实现了低延迟的安全验证。虽然HJ的可达性传统上是不可扩展的高维系统，我们证明了神经近似，HJ的安全值可以直接学习的视觉上下文-最高维的问题，通过该方法研究，到目前为止。我们在几个基准任务上评估了我们的方法，包括安全健身房和学习比赛（L2 R），这是最近发布的高保真自动驾驶赛车环境。与安全健身房中的其他约束RL基线相比，我们的方法具有更少的约束违反，并在L2 R基准测试任务上实现了新的最先进的结果。我们在以下匿名论文网站上提供了代理行为的额外可视化：https://sites.google.com/view/safeautonomousracing/home
2021-11-30 cs.AI cs.LG cs.RO
Safe Control for Nonlinear Systems with Stochastic Uncertainty via Risk Control Barrier Functions
保证机器人和自主系统在现实环境中的安全性是一项具有挑战性的任务，需要减轻随机不确定性。近年来，控制障碍函数已被广泛用于加强安全相关的集合论性质，如前向不变性和可达性，非线性动力系统。在本文中，我们扩展了这个丰富的框架，非线性离散时间系统的随机不确定性，并提出了一个框架，以确保风险敏感的安全一致的风险措施。为此，我们引入风险控制障碍函数（RCBFs），这是障碍函数和动态的，连贯的风险措施的组合。我们表明，这种障碍函数的存在意味着在一个连贯的风险意义上的不变性。此外，我们制定了基于有限时间RCBF的条件，以保证有限时间的可达性的期望设置在一致的风险。风险敏感的安全性和有限时间可达的集合组成的布尔复合多RCBF的条件也制定。我们所提出的方法的有效性，通过其应用到一个车杆系统中的安全关键的情况。
2022-03-29 cs.SY eess.SY
Towards Data-Driven Synthesis of Autonomous Vehicle Safety Concepts
NVIDIA（英伟达）；University of California, Berkeley（加州大学伯克利分校）
随着安全关键型自动驾驶汽车（AV）很快将在我们的社会中普及，最近在整个行业和学术界提出了许多用于可信AV部署的安全概念。然而，就适当的安全概念达成共识仍然是一项难以实现的任务。在本文中，我们主张使用汉密尔顿-雅可比（HJ）的可达性作为一个统一的数学框架，比较现有的安全概念，并通过这个框架的元素，提出了方法来定制安全概念（从而扩大其适用性）的情况下，在数据驱动的方式对代理行为的隐式期望。具体来说，我们表明，（一）现有的主要安全概念可以嵌入在HJ可达性框架，从而使一个共同的语言比较和对比建模假设，和（ii）HJ可达性可以作为一个归纳的偏见，有效地推理，在学习的背景下，两个关键的，但往往被忽视的安全方面：责任和上下文依赖。
2022-06-20 cs.LG cs.RO cs.SY
Safe and Performant Deployment of Autonomous Systems via Model Predictive Control and Hamilton-Jacobi Reachability Analysis
Department of Electrical and Computer Engineering, University of Southern California（电气与计算机工程系，南加州大学）；Department of Aeronautics and Astronautics, Stanford University（航空与航天系，斯坦福大学）；Electrical and Computer Engineering Department, New York University（电气与计算机工程系，纽约大学）
本文提出基于MPC和HJ可达性的框架，在保证递归可行性和可扩展至高维系统的前提下优化自主系统任务性能，仿真实验证明其显著提升了安全约束满足度。
2025-06-29 cs.RO cs.SY eess.SY
Prediction-Based Reachability Analysis for Collision Risk Assessment on Highways
Delft University of Technology（代尔夫特理工大学）；Beijing Institute of Technology（北京理工大学）；Technische Universität Dresden（德累斯顿工业大学）
实时安全系统是智能汽车的关键组成部分。介绍了一种基于预测的高速公路碰撞风险评估方法。给定一个点质量车辆动力学系统，首先建立一个考虑二维运动且具有车辆状态概率分布的随机前向可达集。然后，我们开发了一个加速度预测模型，它提供了多模态概率加速度分布传播车辆状态。碰撞概率通过将两辆车在空间上重叠的状态的概率相加来计算。仿真结果表明，该预测模型在车辆运动位置误差方面具有优越的性能，所提出的碰撞检测方法能够灵活有效地识别切入碰撞事件中的碰撞。
2022-05-03 cs.AI cs.SY eess.SY
GPS Spoofing Mitigation and Timing Risk Analysis in Networked PMUs via Stochastic Reachability
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Stanford University（斯坦福大学）；Indian Institute of Technology, Bombay（印度理工学院孟买分校）
为了解决PMU对欺骗的脆弱性，我们提出了一个集值状态估计技术称为随机可达性为基础的分布式卡尔曼滤波器（SR-DKF），计算安全的GPS定时在网络的接收机。利用随机可达性，我们不仅估计GPS时间，而且其随机可达集，这是通过概率zonotope（p-Zonotope）参数化。虽然仅在非欺骗条件下需要已知的测量误差界限，但我们设计了一种两层方法：我们首先通过测量创新与其预期的p-Zonotope的偏差来执行测量级欺骗缓解，其次通过估计的pZonotope与违反IEEE C37.118.1a-2014标准的不安全集合的相交概率来执行状态级时序风险分析。我们验证建议的SR-DKF进行模拟接收机网络协调信号级欺骗。我们证明了提高GPS定时精度和成功的欺骗缓解通过我们的SR-DKF。我们验证的鲁棒性估计的定时风险的接收器的数量是不同的。
2021-01-13 cs.MA cs.RO cs.SY
On Infusing Reachability-Based Safety Assurance within Probabilistic Planning Frameworks for Human-Robot Vehicle Interactions
Department of Aeronautics and Astronautics（航空与航天系）；Department of Mechanical Engineering（机械工程系）；School of Computing Science（计算科学学院）
本文提出一种最小干预的安全控制器，用于确保自动驾驶车辆与外部控制车辆的碰撞自由交互，通过实时控制器实现轨迹跟踪和安全保证，展示了在交通交织实验中自动驾驶车辆在对手车辆违反规划预期时仍能避免碰撞。
2018-12-29 cs.RO cs.SY eess.SY
Context-Conditioned Hamilton-Jacobi Reachability for Adaptive Safety Filtering
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Toyota Research Institute（丰田研究院）；Stanford University（斯坦福大学）
本文提出一种上下文条件化的 Hamilton-Jacobi 可达性方法，通过单一证书适应不同摩擦和几何条件，无需重新合成，并在全尺寸车辆上验证了其安全性和低性能代价。
2026-10-07 cs.RO cs.SY eess.SY
Safe Model-Based Reinforcement Learning with an Uncertainty-Aware Reachability Certificate
Tsinghua University（清华大学）；Harvard University（哈佛大学）；University of Science and Technology Beijing（北京科技大学）
安全的强化学习（RL）解决了约束满意的策略，为RL在机器人等现实世界问题中更广泛的安全关键应用提供了一种有前途的方法。在所有安全的RL方法中，基于模型的方法由于其高样本效率而进一步减少了训练时间违规。然而，缺乏对模型不确定性的安全鲁棒性仍然是安全的基于模型的强化学习中的一个问题，特别是在训练时间安全性方面。在本文中，我们提出了一个分布式的可达性证书（DRC）和Bellman方程，以解决模型的不确定性和鲁棒持久安全状态的特征。此外，我们建立了一个安全的RL框架，以解决DRC及其相应的屏蔽策略所需的约束。我们还设计了一个线搜索方法，以保持安全，同时达到更高的回报，同时利用盾牌政策。经典的基准测试，如约束跟踪和导航的综合实验表明，该算法实现了可比的回报，在训练过程中的约束违反少得多。
2022-10-14 cs.LG cs.RO cs.SY
Hamilton-Jacobi Reachability in Reinforcement Learning: A Survey
University of California San Diego（加利福尼亚大学圣迭戈分校）
本文综述了强化学习中Hamilton-Jacobi可达性估计的最新进展，探讨了如何通过同步计算可达性值函数与学习控制策略来克服高维系统的计算复杂度限制，从而提升策略的安全性与性能。
2024-08-21 cs.LG cs.RO cs.SY
Reachability of Linear Uncertain Systems: Sampling Based Approaches
在这项工作中，我们执行的线性动力系统的不确定性的安全性分析。而不是计算一个保守的overapproximation的可达集，我们的方法涉及计算一个统计近似可达集。因此，我们的方法提供的保证是概率性的。本文给出了两种计算统计近似可达集的方法。我们已经实现了我们的算法在基于Python的原型，并证明了我们的方法在各种案例研究的适用性。我们还提供了两种方法之间的实证比较，并与流 *。
2021-09-16 cs.SY eess.SY
Minimum Reachability Probabilities in Rectangular Automata with Random Clocks
University of Münster（明斯特大学）；RWTH Aachen University（亚琛工业大学）
本文提出计算矩形自动机随机时钟下可达概率下界的方法，用于安全关键应用的最坏情况分析，并在电动汽车充电场景中验证了其可行性。
2026-04-27 cs.FL cs.SY eess.SY
DualShield: Safe Model Predictive Diffusion via Reachability Analysis for Interactive Autonomous Driving
Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统方向，香港科学与技术大学（广州））
DualShield通过可达性分析实现交互式自动驾驶的安全模型预测扩散，结合前瞻性指导和反应性安全防护，提升安全性和任务效率。
2026-01-22 cs.AI cs.RO cs.SY
