Filtering for Liveness: Recurrence via Backup Reachability Control Barrier Functions
Amazon SAF Lab（亚马逊安全人工智能实验室）；Department of Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系）
本文提出基于备份可达性控制障碍函数的控制器过滤框架，可保证动力系统回归，在保留名义行为的同时支持临时偏离集合，成功应用于带信标可见性回归约束的无人机竞速场景。
2026-10-14 cs.RO cs.SY eess.SY
Decentralized CBF-based Safety Filters for Collision Avoidance of Cooperative Missile Systems with Input Constraints
German Aerospace Center (DLR)（德国航空航天中心）
针对多飞行器拦截场景，提出基于鲁棒控制屏障函数的去中心化安全滤波器，通过事件触发和松弛变量优化实现碰撞避免，兼顾计算效率与可扩展性。
2026-06-19 cs.SY eess.SY
Learning-Based Measurement-Robust Control Barrier Functions for Obstacle Avoidance under State Estimation Error
Massachusetts Institute of Technology（麻省理工学院）
本文针对状态估计误差下避障的安全控制问题，提出DMR-CBF与NMR-CBF两种新型CBF，经理论分析、数值实验与Unitree Go2部署验证，其在保障安全性的同时降低了保守性与计算成本。
2026-08-24 cs.RO cs.SY eess.SY
Simultaneous Lane-Keeping and Obstacle Avoidance by Combining Model Predictive Control and Control Barrier Functions
本文将模型预测控制（MPC）与控制障碍函数（CBF）设计方法相结合，提出了一种同时实现车道保持和避障的递阶控制律：在低层，MPC通过轨迹跟踪实现车道保持和避障;在高层次上，设计了不同的基于CBF的安全滤波器，确保LK和OA在一些实际场景中进行比较。特别是，我们表明，指数安全（ESf）和规定时间安全（PTSf）过滤器，在必要时覆盖MPC控制，导致可行的二次规划时，安全的优先级适当。我们还研究控制设计输入约束，通过使用输入约束CBF。最后，我们比较了ESf，PTSf，和他们的输入受限的同行的组合的性能相对于LK和OA的目标在两个模拟研究早期和晚期检测到的障碍物的情况。
2022-04-13 cs.SY eess.SY
Safe Reference Tracking and Collision Avoidance for Taxiing Aircraft Using an MPC-CBF Framework
University of California, Irvine（加利福尼亚大学欧文分校）；Howard University（霍华德大学）；Augustana College（奥古斯塔纳学院）；Purdue University（普渡大学）
本文提出基于MPC-CBF的飞机自动滑行框架，结合图路径规划与HOCBF安全约束，实现安全参考跟踪与避障，仿真验证其性能优于PID-CBF方法。
2024-10-04 cs.RO 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
Efficient COLREGs-Compliant Collision Avoidance using Turning Circle-based Control Barrier Function
Mobile Robotics and Intelligence Laboratory, Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（移动机器人与智能实验室，机械工程系，韩国科学技术院）
本文提出基于回转圆的控制屏障函数（CBFs）构建二次规划问题，实现符合COLREGs的高效避碰，在保持性能的同时显著降低计算量。
2025-04-27 cs.RO cs.SY eess.SY
GJK-CBF: Control Barrier Functions for Convex Rigid Body Collision Avoidance on SE(3)
University of Maryland（马里兰大学）；Boston University（波士顿大学）；Nanyang Technological University（南洋理工大学）
本文提出GJK-CBF，利用GJK算法获取见证对并直接构造梯度，无需可微优化，实现SE(3)上凸刚体的高效碰撞避免，并在多机器人交换、狭缝导航及机械臂场景中验证了其无碰撞性和低保守性。
2026-10-06 cs.RO cs.SY eess.SY
Multiple Control Barrier Functions: An Application to Reactive Obstacle Avoidance for a Multi-steering Tractor-trailer System
控制障碍函数（CBF）最近引入了一种通过集合不变性来保证系统安全性的系统方法。与名义控制方法一起，它建立了一个安全关键的控制机制。由此产生的安全约束可以作为二次规划（QP）优化中的硬约束来执行，该优化基于安全输入集合来校正标称控制律。在这项工作中，我们引入了一个多CBF计划，强制执行几个安全约束，具有较高的相对度。这种控制结构在许多具有挑战性的机器人应用中是必不可少的，这些应用需要同时满足多个安全标准。为了说明所提出的方法的能力，我们已经解决了一类拖拉机拖车系统的反应性避障问题。安全性是自动牵引车-拖车系统设计中的基本问题之一。由于机动性差而缺乏快速响应，使得这些系统难以进行反应式避障。我们开发了一个控制结构的基础上的多CBF计划的多转向牵引车拖车系统，以确保无碰撞的机动牵引车和拖车在存在几个障碍物。选择模型预测控制作为标称跟踪控制器，并在几个具有挑战性的情况下测试所提出的控制策略。
2022-09-12 cs.SY eess.SY
Control-sharing Control Barrier Functions for Intersection Automation under Input Constraints
本文介绍了一种基于多个控制障碍函数（CBF）的集中输入约束最优控制框架，以协调交叉口的连接和自动化代理。为了避免碰撞，我们提出了一种新的CBF，这是安全的建设。给定的控制方案提供了可证明的保证，碰撞避免CBF和CBF约束代理的速度是联合可行的（称为控制共享属性）的输入约束。仿真研究最后提供了证据，所提出的控制方案是安全的。
2022-07-11 cs.SY eess.SY math.OC
Adaptive Deadlock Avoidance for Decentralized Multi-agent Systems via CBF-inspired Risk Measurement
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Carnegie Mellon University（卡内基梅隆大学）；University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文提出统一CLF与CBF的去中心化安全控制框架，利用受CBF启发的风险度量自适应激活辅助死锁解决机制，从而避免多智能体停滞并提升任务效率。
2025-03-09 cs.RO cs.SY eess.SY
A Time-to-Collision Barrier Function Approach to Collision Avoidance for Stochastic Systems
Massachusetts Institute of Technology（麻省理工学院）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
提出基于对抗性时间到碰撞的控制障碍函数，通过神经网络代理实现实时二次规划控制，在2D和3D追逃中优于距离基线，有效对抗速度优势追击者。
2026-09-16 cs.SY eess.SY
Obstacle avoidance-driven controller for safety-critical aerial robots
Hamburg University of Technology（汉堡工业大学）；Institute of Mechanics and Ocean Engineering（力学与海洋工程研究所）
本论文的目的是将控制障碍函数（CBF）与模型预测控制（MPC）相结合，提出一种新的模型预测控制障碍函数（MPCBF）。可以表明，由于MPC的时间范围增加，MPCBF的性能超过CBF的性能。此外，MPCBF应用于四旋翼，一个系统强烈需要快速和预测控制。使用MPCBF，四旋翼能够避开障碍物，CBF由于障碍物的相对速度而未能避开障碍物。这项工作的结果进行了实验验证。
2020-11-19 cs.RO cs.SY eess.SY
Risk Aware Safe Control with Multi-Modal Sensing for Dynamic Obstacle Avoidance
The Ohio State University（俄亥俄州立大学）
本文提出一种融合概率状态估计与条件风险值控制障碍函数的安全框架，通过 Wasserstein barycenter 结合多模感知数据，提升自动驾驶在动态环境中的安全性和鲁棒性。
2026-03-14 cs.SY eess.SY
Enhancing Mobile Robot Navigation Safety and Efficiency through NMPC with Relaxed CBF in Dynamic Environments
本文提出一种结合松弛控制屏障函数与非线性模型预测控制的策略，用于非完整移动机器人在动态环境中实现安全高效的避障导航，并通过仿真和实验验证了其有效性。
2024-06-17 cs.SY eess.SY
Time Shift Governor-Guided MPC with Collision Cone CBFs for Safe Adaptive Cruise Control in Dynamic Environments
本文提出一种时移调节器引导的 MPC-CBF 方法，通过 TSG 动态调整目标参考并结合碰撞锥 CBF 约束，解决动态复杂环境下的自适应巡航安全控制问题。
2025-06-30 cs.SY eess.SY
A Unified Stability Analysis of Safety-Critical Control using Multiple Control Barrier Functions
针对多安全约束下自主与信息物理系统的安全与活性保障难题，构建统一分析框架研究多CBF安全滤波器QP及CLF-CBF控制器的稳定性，推导可行性条件、不良平衡点特性及稳定性判据，拓展了相关理论基础。
2025-03-21 cs.SY eess.SY
A Temporal Barrier Framework for Collision Avoidance in Multi-Agent Autonomous Aerial Vehicles
Massachusetts Institute of Technology（麻省理工学院）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
该研究针对多自主飞行器避障问题，提出对抗性碰撞时间嵌入控制屏障函数的aTTC-CBF方法，经仿真验证其在提升航路点推进速度的同时降低了碰撞率。
2026-08-17 cs.RO cs.SY eess.SY
Optimization-free Smooth Control Barrier Function for Polygonal Collision Avoidance
Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University（机器人与自动化信息系统研究所，人工智能学院，南开大学）；Institute of Intelligence Technology and Robotic Systems, Shenzhen Research Institute of Nankai University（智能技术与机器人系统研究所，南开大学深圳研究院）
本文针对多边形避障中非光滑边界及SDF类CBF依赖优化的问题，提出基于布尔逻辑下界与log-sum-exp平滑近似的无优化平滑CBF安全滤波器，并在车辆和起重机仿真中验证。
2025-05-13 cs.RO 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
Collision Avoidance and Geofencing for Fixed-wing Aircraft with Control Barrier Functions
Wichita State University（威奇托州立大学）；Nodein Autonomy Corporation（诺丁自主公司）；Parallax Advanced Research（视差高级研究公司）；Air Force Research Laboratory（空军研究实验室）；California Institute of Technology（加州理工学院）
本文针对固定翼飞机的避碰与地理围栏任务，提出了一种基于控制障碍函数（CBFs）的运行时保障（RTA）安全滤波器框架，在运动学和高保真动力学模型上验证了其能安全执行多重安全约束。
2025-01-28 cs.RO cs.SY eess.SY
Asymmetric Design of Control Barrier Function for Multiagent Autonomous Robotic Systems
Tokyo Institute of Technology（东京工业大学）
针对多智能体机器人系统在极端聚集场景下控制屏障函数无解的问题，提出基于绝对速度权重的不对称约束设计，实现分布式碰撞避免，并在仿真与真实机器人上验证有效性。
2023-11-12 cs.RO cs.SY eess.SY
Reinforcement Learning-Enhanced Control Barrier Functions for Robot Manipulators
Queen’s University Belfast（贝尔法斯特女王大学）
在本文中，我们提出了一个控制障碍函数（CBF）的实现，使用二次规划（QP）制定，提供避障的机器人机械臂系统。CBF是在过去十年中出现和发展的一种控制技术，并且在文献中对其数学基础、集合不变性的证明以及各种安全关键控制系统的潜在应用进行了广泛的探讨。在这项工作中，我们将着眼于CBF的机器人机械手避障的设计，讨论的CBF参数的选择，并提出了一个强化学习（RL）计划，以协助寻找参数值，提供最有效的轨迹，成功地避免不同大小的障碍物。然后，我们创建一个数据集，用于训练的神经网络（NN）模型，可以使用的控制方案，使系统能够有效地适应不同的障碍物的情况下，在一系列的方案。基于Matlab/Simulink的计算机模拟验证了该算法的有效性。
2022-11-21 cs.RO cs.SY eess.SY
Neural Graph Control Barrier Functions Guided Distributed Collision-avoidance Multi-agent Control
本文提出基于图控制屏障函数（GCBF）的分布式多智能体避碰控制方法，利用图神经网络学习GCBF证书与控制策略，并支持LiDAR点云输入，在超千智能体规模下显著优于MAPPO和MDCBF。
2023-11-21 cs.SY eess.SY
A Learning-Based Control Barrier Function for Car-Like Robots: Toward Less Conservative Collision Avoidance
RWTH Aachen University（亚琛工业大学）
本文提出一种基于学习的控制屏障函数，通过神经网络近似考虑机器人朝向和形状的不可微安全裕度，并引入相对动力学概念，在类车机器人碰撞避免中显著降低保守性。
2025-11-09 cs.MA cs.RO cs.SY
Collision-free Control Barrier Functions for General Ellipsoids via Separating Hyperplane
Department of Mechanical Engineering, City University of Hong Kong（机械工程系，香港城市大学）
针对通用椭球避碰问题，提出基于分离超平面扩展系统动力学的单层优化 CBF 方法，并通过证明、仿真与实验验证其安全性、高效性和实用性。
2025-07-25 cs.RO cs.SY eess.SY
Singularity-Avoidance Control of Robotic Systems with Model Mismatch and Actuator Constraints
RWTH Aachen University（亚琛工业大学）；ZHAW Zürich University of Applied Sciences（苏黎世应用科技大学）
针对具有模型失配和执行器约束的机器人系统，提出基于高斯过程回归与控制障碍函数的学习控制策略，以防止进入奇异性区域，并通过2自由度平面机器人高保真仿真验证了有效性。
2024-11-12 cs.RO cs.SY eess.SY
Control Barrier Functions for Collision Avoidance Between Strongly Convex Regions
UC Berkeley（加州大学伯克利分校）；Tsinghua-Berkeley Shenzhen Institute (TBSI)（清华-伯克利深圳学院）
本文提出基于强凸映射的状态依赖凸集最小距离控制障碍函数方法，利用KKT解ODE快速更新距离导数，并通过二次规划实现无过度近似的实时碰撞避免。
2025-02-04 cs.RO cs.SY eess.SY
Collision Cone Control Barrier Functions: Experimental Validation on UGVs for Kinematic Obstacle Avoidance
Robert Bosch Center for Cyber-Physical Systems (RBCCPS)（罗伯特·博世信息物理系统中心（RBCCPS））；Indian Institute of Science (IISc)（印度科学学院（IISc））
本文提出一种基于碰撞锥的新型控制障碍函数，为无人地面车辆（独轮车和自行车模型）提供运动学障碍物规避的理论安全保障，并通过仿真及Copernicus和FOCAS-Car实验验证其有效性。
2023-10-16 cs.RO cs.SY eess.SY
A Predictive Cooperative Collision Avoidance for Multi-Robot Systems Using Control Barrier Function
Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳研究院）；Southern University of Science and Technology（南方科技大学）；University of Oulu（奥卢大学）；VTT-Technical Research Centre of Finland（芬兰技术研究中心）
本文提出基于预测安全矩阵的多机器人系统协作避障方法，通过最小特征值强化安全条件，并嵌入路径冲突策略以避免死锁，提升系统鲁棒性和效率。
2025-01-14 cs.RO cs.SY eess.SY
Collision Avoidance for Ellipsoidal Rigid Bodies with Control Barrier Functions Designed from Rotating Supporting Hyperplanes
Department of Systems and Control Engineering, Tokyo Institute of Technology（东京工业大学系统与控制工程系）；Department of Electronics and Bioinformatics, Meiji University（明治大学生物信息学与电子工程系）
针对椭球刚体避障问题，提出基于旋转支撑超平面设计的CBF方法，通过最大化有符号距离消除保守性，结合QP实现分布式无碰撞控制，可扩展至非完整动力学车辆。
2023-08-23 cs.RO cs.SY eess.SY
Control Barrier Function for Linearizable Systems with High Relative Degrees from Signal Temporal Logics: A Reference Governor Approach
针对带STL任务的安全关键导航问题，提出ERG-guided CBF方法，将一阶CBF用于高阶可线性化系统以降低保守性，结合梯度法优化参数，经高低阶系统验证有效，提供避障安全保障。
2024-07-09 cs.SY eess.SY
Collision-Aware Density-Driven Control of Multi-Agent Systems via Control Barrier Functions
本文提出了一种结合密度驱动控制与控制屏障函数的多智能体系统控制方法，用于在存在障碍物的环境中实现安全高效的区域覆盖。
2025-12-11 cs.SY eess.SY
Where to Put Safety? Control Barrier Function Placement in Networked Control Systems
TU Munich（慕尼黑工业大学）
研究网络化控制系统中控制障碍函数（CBF）的放置位置，比较本地短视CBF滤波器和远程MPC中预测性CBF约束的安全策略，提出结合两者的架构。
2026-06-29 cs.SY eess.SY
Auxiliary-Variable Adaptive Control Barrier Functions
针对现有CBF-QPs在混合相对度约束和时变控制边界下的可行性问题，提出AVCBFs框架，通过在辅助函数中引入辅助变量动态调整约束，并配合自动调参方法，有效提升控制系统的安全性与可行性。
2025-03-06 cs.SY eess.SY
Robust Control Barrier Functions with Uncertainty Estimation
本文提出一种基于不确定性估计的控制障碍函数安全控制器，通过设计带理论上界的新估计器并结合高阶CBF凸优化，有效提升了含未建模动态和扰动系统的闭环鲁棒安全性。
2023-04-17 cs.SY eess.SY
Risk-Budgeted Control Framework for Balanced Performance and Safety in Autonomous Vehicles
The Ohio State University（俄亥俄州立大学）
本文提出一种混合控制框架，通过风险预算监控在安全认证的自动驾驶中平衡性能与安全。框架通过滑动窗口监控不足的屏障残差，当安全边际恶化时切换至更保守的条件风险价值CBF（CVaR-CBF）。
2026-03-14 cs.SY eess.SY
Deadlock Analysis and Resolution in Multi-Robot Systems (Extended Version)
The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
多机器人系统的避碰问题是一个很好的研究课题。最近，控制障碍函数（CBFs）已被提出用于合成控制器，保证多机器人的碰撞避免和目标稳定。然而，已经注意到反应控制综合方法（如CBF）容易出现死锁，系统动力学的平衡导致机器人在达到目标之前停止。在本文中，我们正式推导出的多机器人系统中的死锁特性使用CBFs。我们提出了一种新的方法来分析死锁所造成的基于优化的控制器（CBF）借用工具，从对偶理论和图枚举。我们的关键见解是系统死锁的特点是由力平衡的机器人，我们展示了如何死锁分析的复杂性增加了近似指数的机器人的数量。这种分析使我们能够解释死锁作为一个子集的状态空间，我们证明了这个集合是非空的，有界的，位于边界上的安全集。最后，我们使用这些属性来开发一个可证明正确的分散算法来解决死锁，确保机器人收敛到他们的目标，同时避免碰撞。我们展示了两个和三个机器人的分辨率算法的仿真结果，并在Khepera-IV机器人上实验验证了该算法。
2020-07-13 cs.MA cs.RO cs.SY
Suboptimal Safety-Critical Control for Continuous Systems Using Prediction-Correction Online Optimization
针对连续非线性仿射控制系统，研究了基于控制障碍函数（CBF）的安全临界控制问题，并通过时变优化方法，提出了一种有效的在线算法。其思想在于，当基于CBF的方法所需的二次规划（QP）或其他凸优化算法是计算负担不起的，替代的次优可行解可以得到更经济。利用基于障碍的内点法将约束CBF-QP问题转化为无约束CBF-QP问题，并通过两种基于连续下降的算法跟踪次优解。考虑到跟踪和利用系统信息的滞后效应，在算法中加入了预测方法，从而使算法对时变次优解具有指数收敛速度。理论上分析了所设计方法的收敛性和鲁棒性以及算法的安全性准则。最后，通过对机器人防摆避障任务的仿真验证了该方法的有效性。
2023-03-20 cs.SY eess.SY
Dynamic Log-Gaussian Process Control Barrier Function for Safe Robotic Navigation in Dynamic Environments
School of Intelligence Science and Engineering, Harbin Institute of Technology（智能科学与工程学院，哈尔滨工业大学）；Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程学院，哈尔滨工业大学）
本文提出动态对数高斯过程控制屏障函数，通过实时构建空间信息丰富且响应障碍物运动的CBF，提升动态环境中机器人导航的安全性和避障性能。
2025-12-01 cs.RO cs.SY eess.SY
Safe Receding-Horizon Control of Fixed-Wing Aircraft Using Constrained Approximate Dynamic Programming
University of Kentucky（肯塔基大学）
提出一种基于约束近似动态规划的固定翼飞机滚动时域控制，通过软最小控制屏障函数处理状态约束，实现非短视的最优控制，并在风不确定性下验证了约束满足与性能。
2026-10-06 cs.SY eess.SY
Beyond Collision Cones: Dynamic Obstacle Avoidance for Nonholonomic Robots via Dynamic Parabolic Control Barrier Functions
Department of Robotics, University of Michigan（机器人学系，密歇根大学）
本文提出动态抛物线控制屏障函数，用于非完整机器人在动态障碍物密集环境中的安全避障，显著提升了导航成功率和QP可行性。
2026-03-09 cs.RO cs.SY eess.SY
Finite-time Convergent Control Barrier Functions with Feasibility Guarantees
Boston University（波士顿大学）
本文研究非线性系统初始状态违反安全约束时如何在有限时间内收敛到安全集的问题，提出一种保证有限时间收敛并满足控制约束的控制屏障函数方法，通过参数引入和可达性分析，提供系统化的参数设计方法。
2026-03-26 cs.SY eess.SY
Barriers on the EDGE: A scalable CBF architecture over EDGE for safe aerial-ground multi-agent coordination
Robotics and Artificial Intelligence Group of the Department of Computer Science, Electrical and Space Engineering at Luleå University of Technology（鲁内斯大学机器人与人工智能小组）
本文提出一种基于EDGE的混合集中式-分布式CBF控制架构，通过时变控制屏障函数解决空地多智能体系统在受限空间中的安全协调问题，并利用边缘计算节点动态激活相关约束以降低网络复杂性和机载处理需求。
2025-08-13 cs.RO cs.SY eess.SY
LIVEPOINT: Fully Decentralized, Safe, Deadlock-Free Multi-Robot Control in Cluttered Environments with High-Dimensional Inputs
University of Virginia（弗吉尼亚大学）
提出 LIVEPOINT 去中心化框架，直接基于点云构建通用 CBF，并用对称交互度量调节速度，实现动态杂乱环境中安全、无死锁且平滑的实时多机器人导航。
2025-03-17 cs.MA cs.RO cs.SY
Distributed Safe Control Design and Probabilistic Safety Verification for Multi-Agent Systems
本文提出了一种分布式算法，用于多智能体系统的安全控制设计和概率安全验证，通过合作机制解决不可行性问题，并通过场景方法量化安全性。
2025-03-24 cs.SY eess.SY math.OC
Configuration-Aware Safe Control for Mobile Robotic Arm with Control Barrier Functions
Shanghai Jiao Tong University（上海交通大学）；University of Oxford（牛津大学）；Tencent（腾讯）
碰撞避免是机器人应用中广泛研究的课题。在将避碰技术应用于移动机器人时，如何处理机器人的空间结构仍然是一个挑战。在本文中，我们设计了一个配置感知的安全控制律，通过求解二次规划（QP）与设计的控制障碍函数（CBFs）的约束，它可以安全地导航移动机械臂到所需的区域，同时避免与环境障碍物碰撞。我们的方法的优点是，它正确地，并在一个优雅的方式结合了移动机器人手臂的空间结构。这是通过合并移动机器人手臂链接到CBF约束之间的几何限制。通过对刚性杆和移动机械臂的仿真，验证了该方法的可行性和时间效率。对不同自由度的计算结果表明，该方法具有很好的维数伸缩性。
2022-05-08 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
Geometry-Aware Control Barrier Functions for Collision Avoidance via Bernstein Polynomial Approximations
GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）；Department of Computer Science, University of Illinois Chicago（伊利诺伊大学芝加哥分校计算机科学系）；Department of Computer Science, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机科学系）
提出一种基于Bernstein多项式符号距离场的几何感知控制障碍函数，统一表示障碍物与机器人，利用多项式可微性实现闭环控制约束，保证单机器人和异构多机器人碰撞避免的安全性与效率。
2026-10-16 cs.RO cs.SY eess.SY
Safety-Aware Perception for Autonomous Collision Avoidance in Dynamic Environments
University of Southern California（南加利福尼亚大学）
针对有限视场下的自主避障问题，提出一种基于控制障碍函数的安全感知方法，通过在线优化传感器指向方向最大化风险感知，算法成功率提升至88-96%，并在微型四旋翼上验证了实时避障有效性。
2024-03-20 cs.RO cs.SY eess.SY
Control Barrier Functions with Audio Risk Awareness for Robot Safe Navigation on Construction Sites
本文提出一种基于控制障碍函数的机器人安全导航方法，通过音频风险提示增强避障能力，有效提升建设工地环境下的自主导航安全性。
2026-02-12 cs.RO cs.SY eess.SY
Safety-Critical Control of Nonholonomic Vehicles in Dynamic Environments using Velocity Obstacles
Norwegian University of Science and Technology（挪威科技大学）；Norwegian Defence Research Establishment（挪威国防研究机构）；California Institute of Technology（加州理工学院）
针对动态环境中非完整车辆避碰易停车倒车的问题，提出基于速度障碍的CBF控制方案，分离速度与转向控制以保持前进安全，经理论与仿真验证有效。
2023-10-01 cs.RO cs.SY eess.SY
Image-Based Multi-UAV Tracking System in a Cluttered Environment
National Yang Ming Chiao Tung University（台湾阳明交通大学）
针对无人机跟踪未知平移和旋转运动目标的问题，设计了一种跟踪控制器。主要的挑战是将目标和UAV之间的相对位置和角度控制在期望值内，并且保证所生成的对UAV的控制输入是可行的（即，在其运动能力范围内）。此外，无人机被控制以确保目标始终保持在其机载摄像机的视野内。据我们所知，这是第一个应用多个无人机协同跟踪动态目标的工作，同时确保无人机保持连接，避免遮挡和碰撞。为了实现这些控制目标，基于上述跟踪控制器使用二次规划求解的设计的控制器可以生成最小侵入控制动作，以实现遮挡避免和碰撞避免。此外，控制障碍功能（CBF）的分布式设计，以减少无人机之间的通信量。仿真结果验证了所设计的基于CBF的多无人机系统控制器在跟踪目标时的有效性和性能。
2021-09-15 cs.RO cs.SY eess.SY
Learning Safe, Generalizable Perception-based Hybrid Control with Certificates
MIT（麻省理工学院）
许多机器人任务需要摄像头和激光雷达等高维传感器来导航复杂的环境，但围绕这些传感器开发可证明安全的反馈控制器仍然是一个具有挑战性的开放问题，特别是当涉及学习时。以往的工作已经证明了安全的感知反馈控制器分离的感知和控制子系统，并作出强有力的假设的感知子系统的能力。在这项工作中，我们介绍了一种新的学习使能的感知反馈混合控制器，在那里我们使用控制障碍函数（CBFs）和控制李雅普诺夫函数（CLFs），以显示一个全栈感知反馈控制器的安全性和活性。我们使用神经网络直接在机器人的观测空间中学习全栈系统的CBF和CLF，而不需要假设单独的基于感知的状态估计器。我们的混合控制器，称为LOCUS（学习启用观察-使用切换的反馈控制），可以安全地导航未知环境，始终达到其目标，并安全地推广到训练数据集之外的环境。我们在仿真和硬件实验中展示了LOCUS，它使用激光雷达传感器的反馈成功地导航了不断变化的环境。
2022-01-04 cs.RO cs.SY eess.SY
