A Long-Duration Autonomy Approach to Connected and Automated Vehicles
Old Dominion University（旧 Dominion 大学）
本文提出一种基于最优控制与高阶控制屏障函数的长时自主控制方法，用于联网自动驾驶车辆在交通瓶颈处实现安全、高效运行，并通过仿真验证其性能。
2025-10-09 cs.RO cs.SY eess.SY
Shared-phase-dedicated-lane based intersection control with mixed traffic of human-driven vehicles and connected and automated vehicles
互联自动驾驶汽车（CAV）和人类驾驶汽车（HV）预计将在不久的将来共存。CAV专用车道和相位已经被探索以处理混合交通环境中HV驾驶行为的不确定性。然而，CAV专用阶段可能会显著牺牲HV益处。提出了一种基于共享相位专用车道（SPDL）的混合交通环境下单交叉口交通控制模型。左转和通过CAV共享CAV专用车道，并在与HV共享的阶段穿过交叉口。建立了一个三级优化模型。在上层，一个标准的NEMA（国家电气制造商协会）环形屏障结构用于信号优化和屏障持续时间的优化，通过动态规划，以最大限度地减少总的车辆延误。在中间层，从上层对给定的障碍物进行枚举，优化相序和相持续时间，并将最小车辆延误反馈给上层。在下层，根据中层障碍物的信号时序进行缓冲区CAV排队和通过区CAV轨迹规划，并将CAV的行程时间反馈给中层。进一步设计了滚动时域方案，用于动态实现时变交通条件下的模型。数值研究验证了基于SPDL的控制在平均车辆延误和交叉口通行能力方面优于基于蓝相的控制。此外，SPDL为基础的模型进行了扩展，作为一种替代方法，没有缓冲区。
2021-04-13 cs.SY eess.SY
Safe and Energy-Aware Multi-Robot Density Control via PDE-Constrained Optimization for Long-Duration Autonomy
Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系）
提出一种结合Fokker-Planck偏微分方程与控制李雅普诺夫/障碍函数的密度控制框架，实现多机器人系统的目标密度跟踪、避障和能量可持续性。
2026-06-03 cs.RO cs.SY eess.SY
Rigidity-Aware Formation Tracking under Sensing Range Constraints via Single Control Barrier Function Constraint
Indian Institute of Science（印度科学学院）
针对受感知范围约束的异构多机器人系统，该研究提出基于单控制障碍函数约束的二次优化框架，设计分布式控制器实现编队跟踪与刚性保持，仿真验证了其有效性。
2026-08-18 cs.SY eess.SY
Learning Performance-Oriented Control Barrier Functions Under Complex Safety Constraints and Limited Actuation
Johns Hopkins University（约翰斯·霍普金斯大学）；Microsoft Research（微软研究院）
针对高相对阶、有限驱动系统中难找到兼顾性能与复杂安全约束的控制障碍函数的问题，提出自监督学习框架，结合光滑函数与神经网络参数化CBF，用基于哈密顿-雅可比PDE的物理 informed 损失训练以最大化控制不变集体积，在双积分器和F16系统上验证有效。
2024-11-01 cs.LG cs.SY eess.SY
Mixed Traffic: A Perspective from Long Duration Autonomy
针对混合交通下V2I融合的挑战性问题，提出面向允许红灯右转交叉口的CAV长时程自主控制器，结合CBF约束实现安全准时通行，证明策略可行并经仿真验证。
2025-06-17 cs.SY eess.SY
Perception-Limited Smooth Safety Filtering
University of Quebec in Outaouais（魁北克大学阿塔巴斯卡分校）；Lakehead University（湖首大学）
本文提出两种基于感知的平滑安全过滤器，解决了有限感知条件下非线性系统安全控制中的非光滑切换问题，提升了系统安全性和鲁棒性。
2025-12-18 cs.SY eess.SY
Turning Circle-based Control Barrier Function for Efficient Collision Avoidance of Nonholonomic Vehicles
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文提出一种基于转弯圆的控制障碍函数，结合模型预测控制，以考虑非完整约束，提高非完整车辆碰撞避免的效率，并通过仿真和实验验证。
2025-03-26 cs.RO cs.SY eess.SY
Incremental Composition of Learned Control Barrier Functions in Unknown Environments
提出一种通过紧支撑径向基函数参数化局部CBFs并增量组合全局CBF的方法，在未知环境中安全探索并随数据增长扩展安全集，实验验证了其有效性。
2025-04-02 cs.SY eess.SY
Sufficient and Necessary Continuous Barrier-like Conditions for Discrete-Time Stochastic Reach-Avoid Verification
ios.ac.cn（中国科学院自动化研究所）
本文针对离散时间随机系统无限时域可达-避让验证，提出基于连续障碍函数的充要条件，并利用SOS和SDP方法实现多项式障碍函数的综合，同时保证方法的可靠性与完备性。
2026-09-22 cs.SY eess.SY
Learning-based Prescribed-Time Safety for Control of Unknown Systems with Control Barrier Functions
针对动力学未知的控制仿射系统，提出基于高斯过程、反步法与控制屏障函数的时变控制方法，以在规定时间窗口内保证安全，并通过机械臂仿真验证有效性。
2024-06-13 cs.SY eess.SY
Distributionally Robust Acceleration Control Barrier Filter for Efficient UAV Obstacle Avoidance
University of Klagenfurt（克拉根福大学）
本文提出分布鲁棒加速控制屏障函数（DR-ACBF）用于高效无人机避障，通过考虑动态和延迟的清晰度处理延迟、执行器限制和障碍物加速度，利用Cantelli紧缩和DR-CVaR提前触发提高安全性，实现实时执行。
2026-03-26 cs.SY eess.SY
TTCBF: A Truncated Taylor Control Barrier Function for High-Order Safety Constraints
RWTH Aachen University（亚琛工业大学）；University of the Bundeswehr Munich（慕尼黑联邦国防大学）
本文提出了一种截断泰勒控制屏障函数，用于处理高阶安全约束，仅需一个类K函数，并引入自适应变体提升适应性。
2026-01-21 cs.SY eess.SY
DynLight: Realize dynamic phase duration with multi-level traffic signal control
College of Ecology, Lanzhou University（兰州大学生态学院）
我们希望撤回这篇文章，原因如下：1.这篇文章由于语言和理论描述有限而不能令人满意; 2.我们在其他作者的帮助下对这篇文章进行了充实和修改; 3.我们必须更新作者贡献信息。
2023-03-13 cs.AI cs.LG cs.SY
Prescribed-Time Safety Design for a Chain of Integrators
动力系统中的安全通常使用控制障碍函数（CBF）来追求，CBF在系统演化的整个持续时间内强制执行安全约束。我们提出了一个规定的时间安全（PTSf）的设计，强制安全只为有限的时间感兴趣的用户。传统的CBF设计会使系统远离障碍物的时间超过必要的时间，而我们的PTSf设计则让系统在规定的时间内到达障碍物，然后服从操作员的意图。为了强调我们的设计具有较高的相对程度的安全约束的能力，我们专注于我们的论述链的积分器，其中的安全条件是定义为状态最远的控制输入。与现有的用于高相对度约束的基于CBF的方法相比，我们的方法涉及选择显式指定的增益（而不是类$\mathcal{K}$函数），并且在反推的帮助下，在整个原始安全集中进行操作，而无需对初始条件进行额外限制。由于在设计中采用了二次规划（QP），除了具有PTSf属性的反推和CBF之外，我们将我们的设计称为QP-反推PT-CBF设计。为了说明，我们包括一个模拟的双积分器系统。
2022-03-21 cs.SY eess.SY
Estimating Control Barriers from Offline Data
UCSD（加利福尼亚大学圣迭戈分校）；IHI Japan（日本IHI公司）
本文提出利用固定稀疏标注离线数据学习神经控制屏障函数的框架，通过分布外分析实现标签传播，摆脱专家控制器依赖，并在真实平台上实现更安全、更不保守的动态避障。
2025-02-21 cs.AI cs.RO cs.SY
Feasibility of multiple robust control barrier functions for bounding box constraints
针对基于控制障碍函数（CBFs）执行多约束易导致不可行的问题，本文考虑二阶系统在有限控制权限和输入干扰下的边界框约束，通过推导鲁棒控制障碍函数（RCBFs）参数选择条件，保证可行解始终存在。
2025-03-24 cs.SY eess.SY math.OC
Explicit Solutions for Safety Problems Using Control Barrier Functions
控制障碍函数法已广泛应用于安全控制器的综合。通过求解在线凸二次规划问题，在状态空间中隐式综合最优安全控制器。由于解是唯一的，从状态空间到控制输入的映射是单射的，因此使我们能够评估潜在的关系。在本文中，我们的目的是显式地合成一个安全的控制律的状态函数的非线性控制仿射系统的控制能力有限。我们建议将在线的二次规划问题转化为离线的参数化优化问题，考虑状态作为参数。如果程序可行，则所得到的显式安全控制器是划分状态空间上的分段Lipschitz连续函数。我们解决了不可行的情况下，通过解决参数化自适应控制障碍函数为基础的二次规划问题。大量的仿真结果表明状态空间划分和控制器的性能。
2022-04-21 cs.SY eess.SY math.OC
Safe Control of Euler-Lagrange Systems with Limited Model Information
本文针对模型信息受限、存在干扰和不确定性的 Euler-Lagrange 系统，提出一种基于子系统分解的安全控制框架，利用 barrier Lyapunov 函数和控制障碍函数设计控制器，在减少模型信息需求的同时确保了系统的严格安全性。
2023-09-09 cs.SY eess.SY math.OC
Discrete-time Control Barrier Functions for Guaranteed Recursive Feasibility in Nonlinear MPC: An Application to Lane Merging
本文提出DTCBF和qDTCBF证书作为非线性MPC终端要素以保证递归可行性，其中qDTCBF可在更紧输入约束下满足条件，并在自动驾驶车道合并场景中通过仿真验证了方法的有效性。
2023-09-20 cs.SY eess.SY math.OC
Cloud-Assisted Nonlinear Model Predictive Control for Finite-Duration Tasks
云计算通过提供强大的计算和存储能力为控制应用创造了新的可能性。在本文中，我们提出了一种新的云辅助模型预测控制（MPC）框架，在该框架中，我们系统地融合云MPC，使用高保真非线性模型，但受到通信延迟与本地MPC，利用简化的动态（由于有限的计算），但及时反馈。与传统的基于云的控制不同，将云视为网络系统控制设置中功能强大，远程和唯一的控制器，所提出的框架旨在无缝集成两个控制器以增强性能。特别是，我们正式的融合问题，明确考虑模型的不匹配和错误，由于请求-响应通信延迟的有限持续时间的任务。我们分析了所提出的云辅助MPC框架的稳定性，并建立了在此框架内鲁棒处理约束的方法，尽管工厂模型不匹配和干扰。一个融合方案，然后开发，以提高控制性能，同时满足稳定性的条件下，其功效与多个仿真例子，其中包括汽车控制的例子，以显示其工业应用潜力。
2021-06-20 cs.SY eess.SY math.OC
Control Barrier Functions for Systems with Multiple Control Inputs
Massachusetts Institute of Technology（麻省理工学院）；Boston University（波士顿大学）
控制障碍函数（CBF）是保证非线性系统和约束安全性的常用工具，它可以将约束最优控制问题转化为仿射控制系统的二次规划问题。最近提出的高阶控制障碍函数（HOCBF）适用于任意相对度约束。HOCBF中的挑战之一是解决系统具有多个控制输入时的相对度问题，即，相对程度可以相对于控制矢量的不同分量来定义。本文提出了HOCBF处理多控制输入系统的两种方法：一般积分控制方法和一种简单但限于特定类型物理系统的方法。当涉及控制界限时，上述QP的可行性也可以显着提高所提出的方法。我们说明了我们的方法上的一个单一的模型与两个控制输入，并比较两个建议的方法，以证明其有效性和性能。
2022-03-15 cs.RO cs.SY eess.SY
Safety Certification in the Latent space using Control Barrier Functions and World Models
Indian Institute of Technology, Roorkee（印度理工学院，罗尔基）
本文提出一种半监督框架，在世界模型潜空间中学习控制屏障证书，结合有限标注数据和视觉Transformer，实现数据高效的安全视觉运动策略合成。
2025-07-18 cs.CV cs.LG cs.RO
Reinforcement Learning for Safe Robot Control using Control Lyapunov Barrier Functions
Delft University of Technology（代尔夫特理工大学）；Harbin Institute of Technology（哈尔滨工业大学）；Huawei Technologies（华为技术有限公司）；University College London（伦敦大学学院）；University of Manchester（曼彻斯特大学）
本文提出基于控制李雅普诺夫屏障函数的无模型强化学习算法LBAC，通过数据驱动方式保证机器人控制的安全性与可达性，并在仿真和真实2D四旋翼导航实验中验证了其优于其他无模型RL方法的有效性。
2023-05-16 cs.AI cs.LG cs.RO
