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
Interaction-Aware Predictive Environmental Control Barrier Function for Emergency Lane Change
Chalmers University of Technology(查尔姆斯理工大学)
本文提出一种考虑车辆交互的环境控制屏障函数方法,通过预测未来车辆位置以捕捉周围车辆反应,提升密集交通中变道的安全性与鲁棒性。
2026-03-23 cs.SY eess.SY
Safety-driven Interactive Planning for Neural Network-based Lane Changing
Northwestern University(西北大学)
基于神经网络的驾驶规划器在提高自动驾驶的任务性能方面显示出巨大的前景。然而,确保具有基于神经网络的组件的系统的安全性是至关重要的,但也是非常具有挑战性的,特别是在密集和高度交互的交通环境中。在这项工作中,我们提出了一个安全驱动的交互式规划框架的神经网络为基础的车道变换。为了防止过于保守的规划,我们识别周围车辆的驾驶行为,并评估其侵略性,然后以交互的方式相应地调整自我车辆的规划轨迹。如果即使在预测的最坏情况下也存在安全规避轨迹,则自我车辆可以继续改变车道;否则,它可以停留在当前横向位置附近或返回到原始车道。我们定量地展示了我们的规划设计的有效性及其优势,通过广泛的模拟与不同的和全面的实验设置,以及在现实世界中收集的自动驾驶汽车公司的情况下,基线方法。
2022-09-18 cs.RO cs.SY eess.SY
A Cooperative Control Framework for CAV Lane Change in a Mixed Traffic Environment
在为联网和自动驾驶汽车(CAV)做准备时,一个令人担忧的方面是过渡时代,其特点是混合交通(CAV和人类驾驶车辆(HDV)共享道路)。与CAV将改善道路安全的期望一致,道路上的CAV可能会采取相当保守的控制策略,这可能会导致HDV不适当地利用CAV的保守性,以危及安全的方式驾驶。这种情况的一个背景是CAV变道。如果没有交通流中其他车辆的配合,CAV在密集的高速交通条件下变道可能非常不安全。相邻车辆的配合是必不可少的。为了解决这个问题,本文开发了一个控制框架,连接HDV和CAV可以合作,以促进安全和有效的变道的CAV。在整个换道过程中,通过控制框架中的防撞机制,不仅确保了CAV的安全,而且还确保了所有相邻车辆的安全。根据CHDV-CAV协作的环境水平分析了总体交通流效率。分析结果包括CAV换道可行性、换道总持续时间。车道变换是多车道公路交通干扰的主要来源,影响了多车道公路的交通流效率。在提供一个控制框架的车道变化在混合交通中,本研究表明如何CHDV-CAV合作,可以帮助提高系统的效率。
2020-10-12 cs.SY eess.SY
A Collaborative Safety Shield for Safe and Efficient CAV Lane Changes in Congested On-Ramp Merging
School of Computer Science and Statistics, Trinity College Dublin(计算机科学与统计学系,三一学院都柏林)
本文提出MARL-MASS,通过整合多智能体安全盾和定制奖励函数,在拥堵交通中实现安全且高效的车道变换。
2026-02-10 cs.AI cs.MA cs.RO
Decentralized Vehicle Coordination and Lane Switching without Switching of Controllers
本文提出一种基于高阶控制屏障函数和Lyapunov函数的分散式控制器,通过协调函数实现无需控制器切换的安全变道与碰撞避免。
2023-05-08 cs.SY eess.SY
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
Integrated Automated Car Following and Lane-changing control based on a Parametrized Deep Q-network with Hybrid Action Space
addressline= Zachry Department of Civil \& Environmental Engineering, Texas A \& M University, College Station, TX 77843, USA
研究针对联网自动驾驶车辆,提出基于参数化深度Q网络的集成控制框架,通过混合动作空间建模,将变道和跟车控制集成,经训练最大化奖励,确保安全与效率,实验显示其优于分离控制方法。
2026-07-09 cs.SY eess.SY
Introducing Liveness into Multi-lane Spatial Logic lane change controllers using UPPAAL
University of Oldenburg(奥尔登堡大学)
本文基于多车道空间逻辑(MLSL)设计了安全车道变换控制器,并利用UPPAAAL验证其安全性,同时检测并修正原控制器的非活性行为,最终验证新控制器的活性。
2018-04-12 cs.LO cs.SY eess.SY
Safe and Efficient CAV Lane Changing using Decentralised Safety Shields
School of Computer Science and Statistics, Trinity College Dublin(计算机科学与统计学学院,都柏林三一学院)
针对CAV换道安全难题,提出去中心化混合安全护盾HSS并与MARL集成,在匝道合流场景中实现零碰撞且保持交通效率。
2025-04-30 cs.AI cs.MA cs.RO
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
Hierarchical Multi-Agent MCTS for Safety-Critical Coordination in Mixed-Autonomy Roundabouts
James Watt School of Engineering, University of Glasgow(格拉斯哥大学詹姆斯·瓦特工程学院);Boston University(波士顿大学)
本文提出了一种分层多智能体MCTS框架,用于混合自主性环形路口的安全协调,通过车道特定不确定性模型和安全意识修剪,有效降低轨迹偏移和PET违规率。
2026-02-24 cs.SY eess.SY
Lane-Change in Dense Traffic with Model Predictive Control and Neural Networks
本文针对密集交通中车间距狭窄的换道难题,提出融合MPC与GAN的两阶段控制框架,并引入自适应安全边界和卡尔曼滤波,仿真验证了其有效性、舒适性与安全性。
2024-03-28 cs.SY eess.SY
Cooperative Decision Making of Connected Automated Vehicles at Multi-lane Merging Zone: A Coalitional Game Approach
为解决多车道合流区车辆的安全性和效率问题,采用联盟博弈方法设计了一种互联自动车辆(CAV)协同决策框架.首先,在简化的单轨车辆模型基础上建立了运动预测模块,提高了决策算法的准确性和可靠性。在此基础上,综合考虑安全性、舒适性和效率等多个性能指标,设计了代价函数和决策约束条件。此外,为了实现人性化和个性化的智能移动性,不同的驾驶特性被考虑和嵌入到建模过程中。在此基础上,提出了多车道合流区情况下CAVS的四种典型联盟模型。然后,联盟博弈的方法制定了模型预测控制(MPC),以处理在定义的场景CAV的决策。最后,在考虑不同驾驶特性的两种情况下进行测试,以评估所开发的方法的性能。试验结果表明,该方法能够对多车道合流区的CAV进行合理的决策,并能适应不同的行驶特性。该方法既保证了CAV在复杂动态交通条件下的安全性和有效性,又兼顾了单个车辆的目标,验证了该方法的可行性和有效性。
2021-03-14 cs.SY eess.SY
Controlled Experiments on Lane Changing by Transitional Autonomous Vehicle: Dataset and Behavioral Insights
North Carolina State University(北卡罗来纳州立大学)
本研究通过公共道路控制实验构建了NC-tALC数据集,刻画过渡自动驾驶车辆的强制变道行为,揭示其变道过程中的车距演变与碰撞风险规律,为相关评估与验证提供实证基准。
2026-08-07 cs.RO cs.SY eess.SY
Safe platooning control of connected and autonomous vehicles on curved multi-lane roads
针对弯曲多车道道路上CAV安全编队跟踪与汇入问题,提出解耦的横向/纵向控制并加入构造性势垒反馈,实现避撞、安全不变性与稳定性保证。
2025-02-14 cs.SY eess.SY
Converse Theorems for Safety and Barrier Certificates
Institute of Computer Science, Czech Academy of Sciences(捷克科学院计算机研究所)
本文证明了所有鲁棒安全的微分方程均具有屏障证书,并基于可在有限时间内达到的状态集构造此类证书。
2018-07-31 cs.SY eess.SY
A Novel Method for Lane-change Maneuver in Urban Driving Using Predictive Markov Decision Process
换道机动对于手动和自动驾驶来说一直是一项具有挑战性的任务,特别是在城市环境中。特别是,预测道路上其他车辆的行为的不确定性导致在改变车道时的犹豫不决的行动,这可能导致交通拥堵并引起安全问题。分析了车速区间变化和换道等不确定性因素,设计了城市环境下换道机动的预测马尔可夫决策过程。提出了一种隐马尔可夫模型来描述周围车辆的不确定性。奖励模型使用碰撞概率和可行性/到目标的距离作为主要参数。两种交通场景的数值模拟和分析,证明了所提出的方法的有效性。
2022-12-22 cs.SY eess.SY
Robust Optimal Lane-changing Control for Connected Autonomous Vehicles in Mixed Traffic
针对混合交通中CAV换道受HDV干扰的问题,提出结合CAV协作、双层优化与IBR方法、CBF的鲁棒最优换道控制策略,仿真验证了其在成本、安全和交通干扰方面的有效性。
2024-03-15 cs.SY eess.SY
Exact-Time Safety Recovery using Time-Varying Control Barrier Functions with Optimal Barrier Tracking
Boston University(波士顿大学);WPI(伍斯特理工学院);CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室);ECE department at UNC-Charlotte(北卡罗来纳大学夏洛特分校电气与计算机工程系)
本文提出一种基于时变控制障碍函数的精确时间安全恢复框架,通过主动障碍跟踪条件将安全恢复转化为轨迹设计问题,提升自动驾驶车辆在交通协调中的安全性与性能。
2026-04-12 cs.SY eess.SY
A General Framework for Decentralized Safe Optimal Control of Connected and Automated Vehicles in Multi-Lane Intersections
我们解决的问题,最佳控制连接和自动驾驶汽车(CAV)从四个多车道的道路到达一个交叉口,他们在安全穿越(包括转弯)方面的冲突,没有碰撞。目标是在确保安全的同时,共同最大限度地减少每辆CAV的旅行时间和能耗。这个问题在单车道道路的先前工作中得到解决。直接扩展到每条道路上的多个车道是有限的,所需的计算复杂性,以获得显式的最优控制解决方案。相反,我们提出了一个一般的框架,首先转换成一个分散的最优控制问题,每个CAV的多车道交叉口的问题,保守的安全约束比以前的工作。然后,我们采用了一种方法相结合的最优控制和控制障碍函数,已被证明有效地跟踪易处理的无约束的最优CAV轨迹,同时也保证满足所有的约束。仿真实例表明,该框架下的对称和非对称的交叉口几何形状和不同的CAV排序方案的有效性。
2020-10-06 cs.SY eess.SY math.OC
Predictive control barrier functions: Enhanced safety mechanisms for learning-based control
虽然基于学习的控制技术通常优于经典控制器设计,但安全要求限制了许多应用中对此类方法的接受。最近的发展通过所谓的预测安全过滤器来解决这个问题,该过滤器评估拟议的基于学习的控制输入是否会导致违反约束,并在必要时对其进行修改,以确保未来所有时间步长的安全性。这种预测性安全滤波器的理论保证依赖于模型假设,微小的偏差可能导致滤波器故障,使系统处于危险之中。本文介绍了一种辅助软约束预测控制问题,总是可行的,在每个时间步长和渐近稳定的可行集的原始安全过滤器,从而提供了一个恢复机制,在安全关键的情况下。这是通过结合终端控制障碍函数的简单约束收紧来实现的。通过扩展离散时间控制障碍函数理论,我们建立了所提出的辅助问题提供了一个“预测”的控制障碍函数。所得到的算法证明使用数值例子。
2022-05-13 cs.SY eess.SY
Parameterized Barrier Functions to Guarantee Safety under Uncertainty
在实践中部署安全关键控制器需要能够调节控制系统中的不确定性。在这方面,鲁棒控制障碍函数-在各种形式-已被用来获得不确定系统的安全保证。然而,在实践中经历的不同类型的不确定性导致了一个破碎的景观鲁棒性-与各种实例取决于不确定性的结构。本文提出了一个框架,概括这些变化成一个单一的形式:参数化障碍函数(PBFs),产生安全保证的广泛的不确定性类型。这导致控制器,执行强大的安全保证,而他们的保守性尺度的参数化。为了说明这种方法的一般性,我们表明,输入到状态的安全(ISSf)是PBF框架的一个特殊情况下,从而可以得到相对于ISSf改进的安全保证。
2023-03-20 cs.SY eess.SY
Correctness Guarantees for the Composition of Lane Keeping and Adaptive Cruise Control
University of Michigan(密歇根大学);California Institute of Technology(加州理工学院)
本文提出一种具有正确性保证的控制方法,用于同时操作车道保持和自适应巡航控制,通过集合不变性表达安全规范,并利用二次规划和物理建模设计控制屏障函数,实现安全性和性能的结合。
2017-05-05 cs.SY eess.SY math.OC
Automatic driving lane change safety prediction model based on LSTM
Trine University(特莱恩大学);Yantai University(烟台大学);University of Electronic Science and Technology of China(电子科技大学);Northern Arizona University(北亚利桑那大学);University of Aberdeen(阿伯丁大学)
针对自动驾驶换道的轨迹预测与安全需求,提出基于LSTM的安全敏感型深度学习模型,结合交互信息意图识别与单元状态仿真,在长时域轨迹预测精度、换道安全性与效率上优于传统模型方法。
2024-02-28 cs.AI cs.LG cs.RO
Safety-Critical Control of Stochastic Systems using Stochastic Control Barrier Functions
控制障碍函数已被广泛用于综合安全关键控制,通常通过求解二次规划。然而,高斯型噪声的存在可能会导致不安全的行为,并导致严重的后果。在本文中,我们研究由布朗运动驱动的随机微分方程(SDEs)建模的系统。我们提出了一个随机控制障碍函数(SCBFs)的概念,并表明,SCBFs可以显着减少控制的努力,特别是在存在噪声的情况下,相比随机互易控制障碍函数(SRCBFs),并提供了一个不太保守的安全概率估计,相比随机归零控制障碍函数(SZCBFs)。基于这种不太保守的概率估计所提出的概念的SCBF,我们进一步扩展的结果,以处理高相对程度的安全约束,使用高阶SCBF。通过理论分析和数值模拟,我们证明了所提出的SCBF实现了性能和控制努力的良好权衡。
2021-04-06 cs.SY eess.SY
Disturbance Observers for Robust Safety-critical Control with Control Barrier Functions
这一工作为具有扰动的控制系统提供了形式化的安全保证。提出了一种基于扰动消除器的鲁棒安全临界控制器,该控制器估计扰动对安全性的影响,并利用该估计和控制障碍函数获得可证明安全的动态行为。观测器误差界-这包括瞬态和稳态部分-被量化,系统被赋予对这个错误通过建议的控制器的鲁棒性。以自适应巡航控制问题为例,通过仿真研究了实际干扰数据.
2023-01-04 cs.SY eess.SY
Online Adaptive Probabilistic Safety Certificate with Language Guidance
Carnegie Mellon University(卡内基梅隆大学);University of Hyogo(兵库大学)
本文提出一种语言指导的自适应概率安全证书框架,用于在不确定环境中保障长期安全,同时适应人类偏好变化。
2026-05-08 cs.SY eess.SY
A Control Barrier Perspective on Episodic Learning via Projection-to-State Safety
在本文中,我们试图量化的学习能力,以提高控制障碍函数(CBF)赋予的安全保证。特别是,我们研究了如何通过学习减少CBF的时间导数中的模型不确定性,以及这如何导致对系统安全行为的更强声明。为此,我们建立在输入到状态安全(ISSf)的想法来定义投影到状态安全(PSSf),其特征在于在预测的干扰方面的安全退化。这使得能够直接量化学习如何提高安全保证,以及学习误差的界限如何转化为安全降级的界限。我们证明了一个实用的情景学习方法可以使用PSSf来减少不确定性,提高仿真和实验中的安全保证。
2020-03-18 cs.SY eess.SY
Barrier States Theory for Safety-Critical Multi-Objective Control
本文提出利用障碍状态将安全约束嵌入原系统形成安全嵌入系统,通过镇定该无约束系统实现安全关键多目标控制,并提出ISSf与IS3概念,支持鲁棒安全镇定设计。
2025-07-07 cs.SY eess.SY
Passivity-Preserving Safety-Critical Control using Control Barrier Functions
本文融合基于被动性控制(PBC)和控制障碍函数(CBF)技术,构造性地推导出在基于CBF的安全关键控制下保持闭环系统被动性的条件,提供能量解释并设计出比阻尼注入标准方法保守性更低的新型被动设计,最后在端口哈密顿系统和cart-pole系统上进行了验证。
2023-12-14 cs.SY eess.SY
Decentralized Model Predictive Control of Connected and Automated Vehicles with Coupled Safety Constraints
ETH Zürich(苏黎世联邦理工学院)
研究无车道高速公路上CAV控制问题,针对其非线性动力学和安全约束挑战,采用分散MPC算法,开发解耦方法转化约束,仿真表明算法实现安全高效轨迹且提升可扩展性,指出最佳控制策略取决于多方面权衡。
2026-07-14 cs.SY eess.SY
Predicting Lane Keeping Behavior of Visually Distracted Drivers Using Inverse Suboptimal Control
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院人类机器人与机器人研究所)
本文提出利用逆次优控制预测视觉分心驾驶者的车道保持行为,通过考虑驾驶情境、驾驶员缺陷和补偿策略,评估分心带来的风险,实验表明方法在速度和路线拓扑变化下预测误差更小且泛化能力更强。
2016-04-29 cs.SY eess.SY
Hybrid System Stability Analysis of Multi-Lane Mixed-Autonomy Traffic
本研究提出一种多车道混合自主交通的混合系统稳定性分析框架,整合连续车辆动力学与离散变道跳跃,揭示了变道频率对系统稳定性的影响,并设计了增强稳定性的AV变道策略。
2024-10-10 cs.SY eess.SY
A Natural Lane Changing Decision Model For Mixed Traffic Flow Based On Extreme Value Theory
针对高速公路安全问题,基于极值理论提出了一种面向混合交通流的CAV自然换道决策模型,通过建模换道概率最大值并开展仿真,有效规避了交通风险并显著提升了交通效率与安全性。
2023-08-04 cs.SY eess.SY physics.soc-ph
Red Light, Green Light Game of Multi-Robot Systems with Safety Barrier Certificates
针对不确定多机器人系统的红灯、绿灯博弈问题,提出了安全屏障证书。根据游戏规则,机器人在娃娃喊“绿灯”后可以向前移动,喊“红灯”时必须停止。根据这一规则,一个两模式的名义控制器的设计,其中一个模式是向前移动,另一个是减速和不动。然后,多个指数控制障碍函数(ECBF)的开发,以处理有限的操场,碰撞避免,和饱和的速度的安全约束。在设计标称控制器和ECBF时,针对系统的不确定性,推导了估计制动时间和鲁棒不等式约束。因此,控制器保证每个机器人的安全屏障证书已制定了一个二次规划与标称控制器和鲁棒不等式约束。最后通过红灯、绿灯游戏仿真验证了所提出的安全关键控制系统的有效性。
2022-02-28 cs.SY eess.SY
Adaptive Safety with Control Barrier Functions
自适应控制李雅普诺夫函数(aCLF)是在20年前提出的,它提供了一种基于李雅普诺夫的方法来稳定具有参数不确定性的系统。本文的目标是在安全关键控制的背景下,重新审视这一经典的配方。这将在安全性的背景下激发aCLF的变体:自适应控制障碍函数(aCBF)。我们所提出的方法自适应地实现安全,即使在参数模型的不确定性的存在下,保持系统的状态在一个安全的集合。我们将aCLFs和aCBFs统一为一个单一的控制方法,在一个基于二次规划(QP)的框架的背景下,不确定参数的系统。我们验证了这个统一的框架,以实现自适应巡航控制(ACC)模拟的稳定性和安全性的能力。
2019-10-01 cs.SY eess.SY
Control Barrier--Value Functions under Partial Observability: Safety Guarantees via Conformal Prediction
Simon Fraser University(西蒙菲莎大学)
本文针对部分可观非线性控制系统,扩展CBVF框架,结合共形预测得到误差界,推导概率安全保证,提出QP型在线安全滤波器,在避障案例中验证了框架的有效性。
2026-08-17 cs.SY eess.SY
Safety Embedded Control of Nonlinear Systems via Barrier States
在许多安全关键的控制系统中,可能出现相反的安全限制和控制性能目标。面对这样的冲突,这封信提出了一种新的方法,嵌入到稳定的控制系统的安全。该开发通过在优化中使用的障碍函数,通过构建嵌入在控制系统模型中的障碍状态(BaS)来加强安全性。因此,只要闭环系统的感兴趣的平衡点是渐近稳定的,则保证生成的轨迹是安全的。因此,基本上避免了控制目标和安全约束之间的冲突。为了显示所提出的技术的有效性,我们采用简单的极点配置方法来设计安全的线性控制的障碍状态。随后采用非线性最优控制,以满足安全性,稳定性和性能目标,通过解决相关的Hamilton-Jacobi-Bellman(HJB),最大限度地减少成本功能,可以涉及的BaS。在此之后,我们进一步利用障碍状态的最优控制,在一个不稳定的,受约束的第二维摆上的推车模型,希望避免低速区域,系统可能会表现出一些可控性损失和两个移动机器人安全地到达对面的目标与障碍的方式。
2021-08-19 cs.SY eess.SY
Sequential Cooperative Energy and Time-Optimal Lane Change Maneuvers for Highway Traffic
我们推导出最优控制策略的连接自动驾驶汽车(CAV)和合作的邻居CAV进行变道机动组成的纵向阶段,其中CAV正确定位自己相对于合作的邻居和横向阶段,它安全地改变车道。在这个问题上,在CAV的“自私”,以尽量减少其机动时间之前的工作相比,我们试图确保快速车道的交通流量被最小限度地破坏(通过一个适当定义的度量),并通过优化选择合作车辆的高速公路吞吐量得到改善。我们表明,最佳轨迹的解析解可以推导出来,并保证满足安全约束的所有车辆参与的机动。当可行的解决方案不存在,我们包括一个时间松弛的方法权衡了较长的机动时间,减少中断。我们的分析也扩展到多个连续机动。仿真结果表明,控制器的实施显示其有效性的安全保证和高达35%的吞吐量的改善相比,没有车辆合作的机动。
2022-03-31 cs.MA cs.SY eess.SY
Refined Barrier Conditions for Finite-Time Safety and Reach-Avoid Guarantees in Stochastic Systems
KLSS, 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);College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院);Software Engineering Institute, East China Normal University(华东师范大学软件学院)
本文提出更灵活的屏障条件,用于在离散时间系统中提供有限时间安全概率上限和连续时间系统中可达-避免概率下限,扩展了可验证系统的范围并促进了高级优化技术的应用。
2026-05-11 cs.SY eess.SY
Safety-Critical Control using Optimal-decay Control Barrier Function with Guaranteed Point-wise Feasibility
安全性是机器人技术的基本问题之一。最近,一个基于二次规划的控制障碍函数(CBF)方法已经出现作为一种方式来执行安全关键约束。与控制李雅普诺夫函数(CLF)一起,构成了一种安全关键控制策略CLF-CBF-QP,它可以在实现控制目标和确保安全之间进行调解,同时具有实时可执行性。然而,一旦引入诸如输入约束之类的附加约束,CLF-CBF-QP就可能遇到不可行性。为了解决由于不可行性而产生的挑战,我们提出了一种用于安全关键控制的最佳衰减形式,其中CBF的衰减率在时间上逐点优化,以便当状态位于安全集内时保证逐点可行性。所提出的控制设计的数值验证使用自适应巡航控制的例子。
2021-03-23 cs.SY eess.SY
Correct-By-Construction Design of Adaptive Cruise Control with Control Barrier Functions Under Safety and Regulatory Constraints
自适应巡航控制(ACC)系统的安全关键性要求系统的设计程序,例如,基于形式化方法或控制障碍函数(CBF),在所有驾驶条件下提供安全性和性能的强有力保证。然而,现有的方法大多集中在平滑交通条件下的充分验证的解决方案,除了走走停停的场景。在交通信号灯等安全和监管约束条件下进行高性能ACC设计的系统方法仍然难以捉摸。基于CBF的正确施工方法的挑战源于需要捕获交通信号施加的约束,这导致候选时变CBF(TV-CBF)在有界时间间隔内具有有限跳跃不连续性。
2022-03-26 cs.SY eess.SY
Dynamic Constraint Reconstruction Based Control Barrier Functions for Safety-Critical Control of High-Dimensional Manipulators
Yaowu (Shenzhen) Technology Co., Ltd.(耀武(深圳)科技有限公司);National Engineering Research Center of Mobile Network Technologies, Beijing University of Posts and Telecommunications(北京邮电大学移动通信国家重点实验室)
针对高维机器人受干扰及模型不确定问题,提出基于动态约束重构的控制障碍函数框架,用扩展状态观测器估计干扰并重构安全约束,引入安全裕度,仿真表明该方法能在强干扰下实现零安全违规并提升轨迹跟踪性能。
2026-10-20 cs.SY eess.SY
Data-Driven Learning of Safety-Critical Control with Stochastic Control Barrier Functions
控制障碍函数广泛用于综合安全关键控制。高斯型噪声的存在可能导致不安全的行为,并导致严重的后果。虽然随机系统的安全关键控制研究已经得到了广泛的研究,但在许多实际应用中,我们并不了解动态的随机分量。在本文中,我们研究了具有未知扩散部分的随机系统的安全临界控制,并提出了一种数据驱动的方法来处理这些情况。更具体地说,我们提出了一个数据驱动的随机控制障碍函数(DDSCBF)框架,并使用监督学习学习未知的随机动态通过DDSCBF计划。在一些合理的假设下,利用泛逼近定理,我们保证了DDSCBF格式能够逼近部分未知动态下随机控制障碍函数的伊藤导数.我们还表明,我们可以实现相同的安全保证使用DDSCBF计划与SCBF在以前的工作中,而不需要随机动力学的知识。我们使用两个非线性随机系统来验证我们的理论在模拟。
2022-05-22 cs.SY eess.SY
Synthesizing Safety in Infinite-Horizon Optimal Control for Disturbed High-Relative-Degree Systems via Barrier-Regulating Auxiliary Variables
Shanghai Jiao Tong University(上海交通大学);Worcester Polytechnic Institute(伍斯特理工学院);Massachusetts Institute of Technology(麻省理工学院)
本文通过引入屏障调节辅助变量,将受扰高相对阶系统的约束问题转化为扩展状态空间上的无约束问题,结合自适应对齐条件的切向激励和H∞框架,提升安全与性能的平衡,实现扰动下的安全运行。
2026-04-10 cs.SY eess.SY
Observer-Based Environment Robust Control Barrier Functions for Safety-critical Control with Dynamic Obstacles
本文提出一种基于观测器的环境鲁棒控制障碍函数(ECBF)安全关键控制器,通过将障碍物状态观测器纳入ECBF设计以降低保守性,并在二次规划框架下保证安全性,有效应对动态障碍物的测量与预测不确定性。
2024-03-20 cs.SY eess.SY
Decentralized Optimal Control in Multi-lane Merging for Connected and Automated Vehicles
我们解决的问题,最佳控制连接和自动驾驶汽车(CAV)从两个多车道的道路到达并合并在多个点,其目标是共同最大限度地减少旅行时间和能源消耗的每个CAV受到速度依赖的安全约束,以及速度和加速度的限制。这个问题在两条单车道道路的先前工作中得到了解决。直接扩展到多车道的道路是有限的,所需的计算复杂性,以获得一个明确的最优控制解决方案。相反,我们提出了一个通用的框架,将多车道合并问题转化为一个分散的最优控制问题,为每个CAV在一个不太保守的方式。为了实现这一点,我们采用了联合最优控制和障碍函数的方法,有效地得到一个最优控制,为每个CAV的所有约束的保证满意。仿真例子包括比较所提出的框架的性能,由人类驾驶的车辆提供的基线与结果显示显着改善的时间和能源指标。
2020-05-30 cs.SY eess.SY
Cooperative Lane Changing in Mixed Traffic can be Robust to Human Driver Behavior
我们推导出时间和能量最优的控制策略,连接自动驾驶汽车(CAV)完成车道变换机动混合交通。CAV与人驾驶车辆(HDV)之间的相互作用要求设计CAV对其相邻HDV的动作的最佳可能响应。使用具有HDV的适当行为模型的双层优化设置来制定这种相互作用。然后,迭代最佳对策(IBR)的方法来确定纳什均衡。然而,我们也表明,当一个共同的和简单的检测条件适用,最佳的换道策略实际上是独立的HDV的行为与CAV改变车道的合作与另一个CAV在目标车道,总是合并在它之前。因此,依赖于CAV和HDV之间的相互作用,在这种情况下,可以消除。仿真结果表明,我们的控制器的有效性,在成本,安全保证,和中断的交通流量时,不可控的HDVs存在。
2023-03-29 cs.SY eess.SY
Safety-Critical Control for Discrete-time Stochastic Systems with Flexible Safe Bounds using Affine and Quadratic Control Barrier Functions
针对离散时间随机系统的安全控制问题,提出基于控制障碍函数(CBFs)的安全控制器综合方法,通过灵活设计CBF得到更紧的安全概率边界,经数值算例验证了方法有效性。
2025-01-16 cs.SY eess.SY
Sliding Mode Control Barrier Function
本文提出了一种滑模控制障碍函数,以鲁棒地处理安全关键控制系统中的高相对度安全约束。稳定性/跟踪目标,表示为标称控制律,和安全约束,表示为控制障碍函数是通过二次规划统一。所提出的控制框架进行了数值验证,考虑古田摆和磁悬浮系统。对于第一个系统,一个线性二次型调节器被认为是一个标称控制律,并考虑安全约束,以保证摆角位置永远不会超过一个预定值。对于第二个,滑模控制器被认为是一个标称控制律和多个安全约束被认为是保证磁悬浮系统的位置永远不会超过预定值。对于这两个系统,我们认为高相对度的安全约束对模型的不确定性是鲁棒的。数值结果表明,稳定性/跟踪目标的实现和安全约束的尊重,即使模型的不确定性。
2020-10-07 cs.SY eess.SY
Safety-Critical Control on Lie Groups Using Energy-Augmented Zeroing Control Barrier Functions
University of Bologna(博洛尼亚大学);University of Twente(特文特大学)
本文提出基于李群的能耗增强零控制障碍函数,用于全驱动机械系统的安全关键控制,通过运动学约束和动能限制确保安全交互。
2025-12-08 cs.SY eess.SY
Measurement-Robust Control Barrier Functions: Certainty in Safety with Uncertainty in State
现代机器人系统及其运行环境的复杂性日益增加,需要在存在不完美测量的情况下正式考虑安全性。在本文中,我们提出了一个严格的框架,安全关键控制系统的错误状态估计。我们开发了这个框架,利用控制障碍函数(CBF)和统一的方法备份集的控制不变集与鲁棒性的要求-最终结果是测量-鲁棒控制障碍函数(MR-CBF)的合成。这提供了理论上的安全行为的保证,在存在不完美的测量和改进的鲁棒性超过标准的CBF方法。我们证明了这个框架的有效性,在仿真和实验上的赛格威平台上使用板载立体视觉摄像头的状态估计。
2021-04-28 cs.SY eess.SY
Combinatorial Safety-Critical Coordination of Multi-Agent Systems via Mixed-Integer Responsibility Allocation and Control Barrier Functions
German Aerospace Center (DLR)(德国航空航天中心);Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院);Seoul National University(首尔大学)
本文提出通过混合整数规划和控制屏障函数实现多智能体系统的安全关键协调,以提高避障效率和减少计算复杂性。
2026-03-05 cs.SY eess.SY