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
Comparative Analysis of Interval Reachability for Robust Implicit and Feedforward Neural Networks
University of California, Santa Barbara（加州大学圣巴巴拉分校）；Georgia Institute of Technology（佐治亚理工学院）
我们使用区间可达性分析来获得隐式神经网络（INNs）的鲁棒性保证。INN是一类使用隐式方程作为层的隐式学习模型，并且已经被证明比传统的深度神经网络具有几个显著的优点。我们首先建立紧包含函数的神经网络，它提供了最紧密的矩形过近似的输入输出映射，导致更尖锐的鲁棒性保证比研究充分的鲁棒性措施的本地Lipschitz常数。像Lipschitz常数，紧包含函数是计算上具有挑战性的获得，因此，我们建议使用混合单调性和收缩理论，以获得计算效率的估计，紧包含函数的INN。我们表明，我们的方法执行至少以及，一般优于，应用国家的最先进的区间界限传播方法的INNs。我们设计了一个新的优化问题来训练鲁棒的INN，我们提供了经验证据表明，适当训练的INN可以比比较训练的前馈网络更强大。
2022-04-01 cs.LG cs.SY eess.SY
Robust Verification of Controllers under State Uncertainty via Hamilton-Jacobi Reachability Analysis
Stanford University（斯坦福大学）；NASA Jet Propulsion Laboratory（美国宇航局喷气推进实验室）
本文提出RoVer-CoRe框架，利用汉密尔顿-雅可比可达性分析对感知系统进行鲁棒验证，通过整合控制器、观测函数和状态估计模块，实现对非线性、非凸、学习驱动等复杂系统的安全性和性能验证。
2026-04-15 cs.LG cs.RO cs.SY
Motion Planning and Control with Unknown Nonlinear Dynamics through Predicted Reachability
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对未知非线性动力学下的自主运动规划挑战，提出一种混合规划-控制框架，通过状态空间划分与PWA系统抽象构建有向加权图，结合系统辨识与预测可达性在线更新图并合成控制器，有效实现了目标轨迹规划。
2025-03-05 cs.RO cs.SY eess.SY
Safe & Robust Reachability Analysis of Hybrid Systems
Genova Univ.（热那亚大学）；Halmstad University（哈尔姆斯塔德大学）；Rice University（莱斯大学）
本文提出安全可达性概念，以解决混合系统可达性分析中的不安全问题，并探讨其在安全分析中的鲁棒性。
2017-09-17 cs.LO cs.SY eess.SY
Generating Robust Supervision for Learning-Based Visual Navigation Using Hamilton-Jacobi Reachability
Simon Fraser University（西蒙弗雷泽大学）；University of California, Berkeley（加州大学伯克利分校）
在Bansal等人（2019）中，提出了一种结合基于学习和基于模型的方法的新型视觉导航框架。具体地，卷积神经网络（CNN）预测由动力学模型用于规划和跟踪到航路点的轨迹的航路点。然而，CNN不可避免地会产生预测错误，这通常会导致在混乱和紧凑的空间中发生碰撞。在本文中，我们提出了一种新的汉密尔顿-雅可比（HJ）的可达性为基础的方法来产生监督的CNN的航路点预测在一个看不见的环境。通过将CNN预测误差建模为机器人动力学中的“干扰”，我们生成的路点对这些干扰具有鲁棒性，因此对预测误差具有鲁棒性。此外，使用全局最优HJ可达性分析导致预测时间有效的路点，避免贪婪行为。通过仿真和硬件实验，我们证明了所提出的方法的优势，通过杂乱，狭窄的室内环境导航。
2020-05-15 cs.CV cs.LG cs.RO
Backward Reachability using Integral Quadratic Constraints for Uncertain Nonlinear Systems
针对不确定非线性系统，提出了一种向后可达集的鲁棒内逼近计算方法。它还产生了一个鲁棒控制法律，驱动轨迹开始在这些集的目标集。该方法将耗散不等式和积分二次约束（IQC）与硬IQC和软IQC分解相结合。使用广义S-过程和平方和技术的计算算法。在向后可达性分析中使用IQC允许各种扰动，包括参数不确定性，未建模动态，非线性和不确定的时间延迟。该方法证明了两个例子，包括一个6状态四旋翼致动器的不确定性。
2020-03-12 cs.SY eess.SY
Online, Reachability-Aware, Sampling-Based Motion Planning
本文提出一种在线可达性感知的基于采样的运动规划方法，通过快速区间流水线计算可达集超近似，在无需预计算下达到先进性能，并显著降低安全违规。
2026-09-09 cs.RO cs.SY eess.SY
Forward completeness does not imply bounded reachability sets and global asymptotic stability is not necessarily uniform for time-delay systems
本文通过反例证明时滞系统中前向完备性不等价于鲁棒前向完备性，全局渐近稳定性不等价于均匀全局渐近稳定性，并给出有限离散时滞系统鲁棒前向完备性的新刻画。
2024-02-11 cs.SY eess.SY math.DS
Tube-Based Zonotopic Data-Driven Predictive Control
针对受有界附加扰动影响的线性系统，提出了一种基于管的数据驱动预测控制方法。我们的方法利用最近的结果在未知的线性系统的可达性分析，制定和解决一个强大的基于管的预测控制问题。更确切地说，我们的方法包括从收集的数据中导出一个包括真实状态误差集的zonotope。我们展示了如何保证所产生的错误zonotope，这可以被利用来增加现有zonotopic数据驱动的MPC配方的计算效率的稳定性。双积分器的强对抗性噪声的影响下的结果表明，所提出的控制方法的有效性。
2022-11-24 cs.SY eess.SY
Reachability-Guaranteed Optimal Control for the Interception of Dynamic Targets under Uncertainty
German Aerospace Center (DLR)（德国航空航天中心）
本文提出了一种在不确定性环境下保证可达性的最优控制方法，用于确保动态目标拦截的鲁棒性和可行性。
2025-04-10 cs.RO cs.SY eess.SY
Sparsity-Promoting Reachability Analysis and Optimization of Constrained Zonotopes
The Pennsylvania State University（宾夕法尼亚州立大学）；Penn State Applied Research Laboratory（宾州州立应用研究实验室）
本文提出了一种基于约束聚束体的可达性分析与优化方法，通过提高矩阵稀疏性提升效率，应用于预测控制、状态估计和安全验证，实验表明其性能与QP求解器相当。
2026-03-01 cs.SY eess.SY math.OC
Mixed Platoon Control under Noise and Attacks: Robust Data-Driven Predictive Control and Human-in-the-Loop Validation
School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
针对含CAVs和HDVs的混合车队因人工驾驶不确定性及噪声、攻击导致的控制挑战，提出RDeeP-LCC框架，基于数据驱动可达性分析过近似系统动力学，通过解耦系统和管控制提升鲁棒性与多方面性能，并经人机闭环验证。
2025-11-13 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
A Forward Reachability Perspective on Control Barrier Functions and Discount Factors in Reachability Analysis
UCLA（加州大学洛杉矶分校）
本文从可达性角度探讨了控制屏障函数和折扣因子在可达性分析中的作用，提出了一种新的方法来学习神经控制屏障函数，以确保系统在无限时间范围内满足状态约束。
2026-09-15 cs.SY eess.SY
Density Planner: Minimizing Collision Risk in Motion Planning with Dynamic Obstacles using Density-based Reachability
Technical University of Munich（慕尼黑工业大学）；Massachusetts Institute of Technology（麻省理工学院）；Boston University（波士顿大学）
本文提出密度规划器，利用神经网络与Liouville方程学习不确定系统密度演化，通过梯度优化最小化碰撞风险，在动态障碍物环境中实现比模型预测控制快100倍的在线规划。
2023-02-27 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
A new formulation of Economic Model Predictive Control without terminal constraint
在本文中，它表明，一个简单的制定经济模型预测控制，可以使用它具有两个功能，通常被视为相互排斥的，即，一个相当短的预测范围（可达性兼容）的一侧，并没有最终约束的另一侧。对于由连续时间模型离散化得到的离散时间模型，该结果也成立。当某些参数增加和采样时间减少时，在最佳未知稳态对的小邻域的实用稳定性。给出了一个常用的例子来说明结果。
2020-11-20 cs.SY eess.SY
Safe Large-Scale Robust Nonlinear MPC in Milliseconds via Reachability-Constrained System Level Synthesis on the GPU
本文提出GPU-SLS框架，通过GPU并行计算实现高维不确定机器人系统和长规划周期的安全鲁棒非线性MPC，显著提升计算效率和安全性。
2026-04-08 cs.AI cs.RO cs.SY
Finite-Sample-Based Reachability for Safe Control with Gaussian Process Dynamics
ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心）；Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所）；Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系）
针对现有GP-MPC缺乏保证或过于保守的问题，提出基于有限后验动力学样本传播不确定性的可达集构造与安全MPPC框架，并以高概率保证递归可行性、闭环安全与稳定。
2025-05-12 cs.LG cs.SY eess.SY
Hierarchical Motion Planning and Control under Unknown Nonlinear Dynamics via Predicted Reachability
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种分层规划-控制框架，通过分步逼近未知非线性系统，利用可达性理论和预测可达性条件保证运动规划的正式可达性。
2026-03-31 cs.RO cs.SY eess.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
Koopman-Hopf Hamilton-Jacobi Reachability and Control
本文提出将Koopman理论全局线性化与Hopf公式结合，高效求解高维非线性系统的Hamilton-Jacobi可达性，并构建扰动抑制控制器，在10维糖酵解模型中优于模型预测控制，展示了维度鲁棒性。
2025-06-19 cs.SY eess.SY math.OC
Signal Temporal Logic Evaluation and Synthesis Using Deep Reachability Analysis and Layered Control Architecture
School of Aeronautics and Astronautics, Purdue University（普渡大学航空与航天学院）；Department of Mechanical Engineering, Ulsan National Institute of Science and Technology（蔚山科学技术院机械工程系）；Interdisciplinary Engineering, Purdue University（普渡大学跨学科工程）
本文提出了一种基于深度可达性分析和分层控制架构的信号时间逻辑验证与综合框架，通过高效计算后向可达管和结合混合整数线性规划与模型预测控制，实现安全可靠的任务执行。
2026-09-29 cs.SY eess.SY
Conservative Linear Envelopes for Nonlinear, High-Dimensional, Hamilton-Jacobi Reachability
针对非线性高维Hamilton-Jacobi可达性分析，将非线性与线性模型误差转化为对抗性扰动，利用广义Hopf公式实现保守且计算可行的可达性分析与控制综合，并通过示例验证有效性。
2025-06-19 cs.SY eess.SY math.OC
Certifiable Explicit Model Predictive Control for Spacecraft Rendezvous under Bounded Disturbances
NOVA University of Lisbon（诺瓦大学）；Center for Technology and Systems (CTS)（技术与系统中心）；Institute for Systems and Robotics, Instituto Superior Técnico, University of Lisbon（里斯本大学高等技术学院系统与机器人研究所）
本文针对航天器交会问题，提出基于参数二次规划与混合zonotope可达性分析的可验证显式MPC，突破时域限制，51步时域下控制律仅占10.5 MB、计算耗时低于300 ns，适配CubeSat飞行计算机。
2026-08-25 cs.SY eess.SY
Computation of Input Disturbance Sets for Constrained Output Reachability
在鲁棒控制系统的设计中，带有未知但有界输入干扰的线性模型被广泛地用于建模不确定性。通常情况下，干扰集被假定为已知的先验或估计的数据，通过集成员身份识别。然而，计算一个合适的输入扰动集的情况下，可能的输出值的集合被分配的先验的问题已经收到了相对较少的关注。这个问题出现在许多情况下，如在监督控制，执行器设计，分散控制等。在本文中，我们提出了一种方法来计算输入扰动集（和相应的一组状态），使所得的一组输出尽可能接近匹配一组给定的输出，同时还满足严格的（内部或外部）包含约束。我们制定的问题作为一个最优化问题，依靠鲁棒不变性的概念。数值例子说明了如何解决安全参考集和输入约束集计算问题的方法的有效性。
2021-11-04 cs.SY eess.SY math.OC
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
DualGuard MPPI: Safe and Performant Optimal Control by Combining Sampling-Based MPC and Hamilton-Jacobi Reachability
University of Santiago de Chile（智利圣地亚哥大学）；University of Southern California（南加州大学）；Olin College of Engineering（奥林工程学院）；Stanford University（斯坦福大学）
针对采样型MPPI控制难以保证安全性的问题，提出将Hamilton-Jacobi可达性分析集成到采样过程中的DualGuard-MPPI框架，在确保样本安全的同时提升探索效率，仿真与硬件实验验证了其安全性与高性能。
2025-06-20 cs.RO cs.SY eess.SY
Robust Multi-Agent Pursuit with Preemptive Communication via Reachability-Based Control Barrier Functions
NC State University（北卡罗来纳州立大学）
本研究提出基于可达性控制障碍函数的统一控制/通信策略，在追捕-逃避场景中验证其可在通信中断时保证智能体安全，抢先通信可减少77.5%消息量且实现零碰撞。
2026-10-16 cs.MA cs.RO cs.SY
Safe Reinforcement Learning using Data-Driven Predictive Control
Ain Shams University（艾因夏姆斯大学）；Jacobs University（雅各布大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
强化学习（RL）算法可以在决策和连续控制任务中实现最先进的性能。然而，由于许多RL算法的探索性质，特别是当机器人模型和环境未知时，在安全关键系统上应用RL算法仍然需要很好地证明。为了应对这一挑战，我们提出了一个数据驱动的安全层，充当不安全操作的过滤器。安全层使用数据驱动的预测控制器来在训练期间和部署之后强制执行RL策略的安全保证。RL代理提出一个动作，通过计算数据驱动的可达性分析进行验证。如果使用建议动作的机器人的可达集之间存在交集，则调用数据驱动的预测控制器来找到与建议的不安全动作最接近的安全动作。如果建议的动作是不安全的，则安全层惩罚RL代理，并将其替换为最安全的动作。在模拟中，我们表明，我们的方法优于国家的最先进的安全RL方法的机器人导航问题的海龟机器人3在凉亭和四旋翼机在虚幻引擎4（UE4）。
2022-11-20 cs.LG cs.RO cs.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
Online Data-Driven Reachability Analysis using Zonotopic Recursive Least Squares
Technical University of Munich（慕尼黑工业大学）；German University in Cairo（开罗德国大学）
提出基于 EF ZRLS 的在线数据驱动可达性分析框架，可直接从实时状态测量计算可达集过近似，适用于离散时间 LTV 及非线性 Lipschitz 系统，保守性更低且鲁棒性强，经模拟和实际实验验证有效。
2026-08-12 cs.SY eess.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
Robust Resource-Aware Self-triggered Model Predictive Control
物联网中无线设备的广泛采用需要能够在有限资源（例如电池寿命）下运行的控制器。在不确定的环境中鲁棒地操作这些设备，同时管理可用资源，增加了控制器设计的难度。本文提出了一种鲁棒自触发模型预测控制方法来优化控制目标，同时管理资源消耗。特别地，针对连续时间线性系统，提出了一种新的零阶保持非周期离散时间反馈控制律。
2021-12-01 cs.SY eess.SY
Boundary Sampling to Learn Predictive Safety Filters via Pontryagin's Maximum Principle
Toyota Research Institute（丰田研究院）；Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与宇航科学系）
本文通过庞特里亚金极大值原理识别接近安全违规的轨迹，用于指导数据收集，提升学习效率，改进安全过滤器性能。
2026-04-14 cs.RO cs.SY eess.SY
LMI-based Data-Driven Robust Model Predictive Control
Technical University of Darmstadt（达姆施塔特工业大学）
预测控制是一种基于系统模型来计算应用输入以优化未来系统行为的控制方法，目前已得到广泛应用。如果标称模型没有给出或者非常不确定，则可以采用数据驱动的模型预测控制方法，其中系统模型或输入直接从过去测量的轨迹获得。利用数据信息框架和Finsler引理，提出了一种基于数据驱动的鲁棒线性矩阵不等式模型预测控制方案，该方案考虑了输入和状态约束.使用这些数据，我们制定的问题作为一个半定优化问题，其解决方案提供了线性反馈的矩阵增益，而决定性的变量是独立的测量数据的长度。所设计的控制器使闭环系统渐近稳定，并保证约束满足。最后通过数值算例说明了该方法的有效性。
2023-03-08 cs.LG cs.SY eess.SY
Robust Learning Model Predictive Control for Periodically Correlated Building Control
住宅和商业建筑占全球能源消耗的40%以上，将成为未来绿色能源系统的关键参与者。为了充分发挥其潜力，同时确保乘员舒适性，需要一个鲁棒控制方案来处理各种不确定性，如外部天气和乘员行为。然而，突出的模式，特别是周期性，在大多数不确定性来源中广泛存在。本文将这种相关结构的学习模型预测控制的框架，以学习一个全局最优的鲁棒控制方案的建设业务。
2021-04-06 cs.SY eess.SY
Robust Tube-based Model Predictive Control for Time-constrained Robot Navigation
School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电气工程和计算机学院，皇家理工学院）
本文针对在受限工作空间中由不确定非线性非仿射动力学建模的机器人时间约束导航问题，提出了一种新型鲁棒反馈控制器，通过解决有限时间最优控制问题和离线调整的背stepping反馈法则，确保机器人轨迹始终在名义轨迹的有界超管内，并通过验证框架保证满足MITL的公式。
2019-09-03 cs.SY eess.SY math.OC
Stability proof for nonlinear MPC design using monotonically increasing weighting profiles without terminal constraints
CNRS, Univ. Grenoble Alpes（法国国家科学研究中心，格勒诺布尔阿尔卑斯大学）
本文提出一种无需终端约束的MPC框架，通过时间变化的递增阶段成本惩罚实现稳定性，证明在惩罚率足够高时，0可达预测时间 horizon总能稳定。
2017-03-08 cs.SY eess.SY
A Robust, Efficient Predictive Safety Filter
提出一种鲁棒且事件触发的预测安全滤波器，基于鲁棒离散时间障碍函数抑制时变非线性系统扰动，可与DPC结合过滤任意控制律，并在双罐系统等示例中验证有效性。
2024-04-26 cs.SY eess.SY
Robust constrained nonlinear Model Predictive Control with Gated Recurrent Unit model -- Extended version
本研究提出一种基于门控循环单元网络模型的鲁棒约束非线性模型预测控制方法，通过约束收紧策略保障约束鲁棒满足与递归可行性，引入新终端代价和终端集实现闭环系统的输入-状态稳定性。
2023-12-19 cs.SY eess.SY
Robust predictive control design for uncertain discrete switched affine systems subject to an input delay
Universidad de Sevilla（塞维利亚大学）
本文提出了一种针对具有输入延迟的不确定离散切换仿射系统的鲁棒稳定条件，通过Lyapunov框架和最小切换状态反馈预测控制律，利用预测方案考虑名义系统参数，证明系统轨迹和预测的指数收敛性。
2026-08-03 cs.SY eess.SY
Data-Driven Robust Predictive Control with Interval Matrix Uncertainty Propagation
Uninettuno University（英内图诺大学）；Università di Siena（锡耶纳大学）；Mercatorum University（美卡托鲁姆大学）
本文提出一种数据驱动的鲁棒预测控制方法，通过区间矩阵构建不确定性表示，并利用矩阵扎诺托pe运算约束预测时间内的不确定性，保证状态和输入约束的鲁棒满足。
2026-03-18 cs.SY eess.SY
From System Level Synthesis to Robust Closed-loop Data-enabled Predictive Control
Willems的基本引理和系统级综合都是通过输入输出序列来刻画线性动态系统。在这项工作中，我们将基本引理的应用从确定性的不确定LTI系统，然后进一步证明这种扩展是等价的系统级综合。基于这种不确定性扩展，提出了一种鲁棒闭环数据使能预测控制方案，其中因果反馈控制律进一步推导。两个数值实验，包括单区域建筑物的温度控制，进行了验证所提出的数据驱动控制器的有效性。
2021-03-09 cs.SY eess.SY
Emergency Collision Avoidance and Mitigation Using Model Predictive Control and Artificial Potential Function
Virginia Tech（弗吉尼亚理工大学）
虽然在高速公路的情况下，已经进行了广泛的研究，在直线或弯曲的道路紧急防撞，一个通用的方法，可以实现所有的道路环境还没有得到彻底的探讨。此外，大多数当前的算法不考虑在紧急情况下的碰撞缓解。此功能是必不可少的，因为问题可能没有可行的解决方案。我们提出了一个安全的控制器，使用模型预测控制和人工势函数来解决这些问题。提出了一种新的人工势函数的启发线电荷作为我们的模型预测控制器的成本函数。车辆动力学和致动器限制被设置为约束。新的人工势函数考虑了所有物体的形状。特别是，我们提出的人工势函数具有灵活性，以适应道路结构的形状，如交叉口。我们还可以通过增加相应位置的充电量来实现车辆特定部位的碰撞缓解。我们已经测试了我们的方法在192例8个不同的情况下，在模拟两个不同的模型。仿真结果表明，所提出的安全控制器的成功率是20%以上，比使用HJ-可达与系统分解，通过使用一个单一的模型。它还可以减少43%的碰撞发生在预先指定的部分。该方法在动态自行车模型中得到了进一步验证。
2023-02-09 cs.RO cs.SY eess.SY
Model predictive control of linear systems with preview information: feasibility, stability and inherent robustness
University of Sheffield（谢菲尔德大学）
本文研究了在名义模型预测控制中利用可用扰动预测的方法，探讨了如何通过修改终端条件来保持稳定性，并在扰动变化受限的假设下建立鲁棒稳定性与可行性。
2018-07-30 cs.SY eess.SY
Robust and Kernelized Data-Enabled Predictive Control for Nonlinear Systems
提出了一种鲁棒核化的数据使能预测控制（RoKDeePC）算法，仅利用输入输出数据对非线性系统进行无模型最优控制。该算法结合了鲁棒预测控制和正则化核方法实现的非线性系统的非参数表示。后者是基于隐式学习系统的非线性行为通过代表定理。而不是寻求一个模型，然后执行控制设计，我们的方法直接从数据到控制。这使我们能够通过考虑最小-最大优化问题来计算最优控制序列，从而使控制输入对数据中的不确定性具有鲁棒性。我们表明，通过将一个适当的不确定性集，这个最小-最大问题可以重新表述为一个非凸的，但结构化的最小化问题。通过利用其结构，我们提出了一个投影梯度下降算法来有效地解决这个问题。最后，我们在两个非线性示例系统上测试了RoKDeePC-一个学术案例研究和一个为非线性负载供电的电网形成转换器-并将其与一些现有的非线性数据驱动预测控制方法进行了比较。
2022-06-04 cs.SY eess.SY
Robust Data-Driven Tube-Based Zonotopic Predictive Control with Closed-Loop Guarantees
本文提出一种针对离散时间线性系统的鲁棒数据驱动TZPC方法，通过两阶段设计在有界噪声下保证递归可行性与闭环鲁棒指数稳定性，数值仿真验证了其有效性与优越性能。
2025-09-16 cs.SY eess.SY
Robust multi-rate predictive control using multi-step prediction models learned from data
本文扩展了最近提出的一种算法，用于受过程和测量干扰的渐进稳定、线性时不变系统的模型辨识和鲁棒MPC。独立的输出预测为不同的步骤提前估计集成员的方法。它在这里示出，相应的预测误差界是最保守的所考虑的模型类。然后，一个新的多速率鲁棒MPC算法的开发，采用所述多步预测器鲁棒地强制约束和稳定性对干扰和模型的不确定性，并减少保守性。仿真实例验证了该方法的有效性。
2021-02-27 cs.SY eess.SY
MDR-DeePC: Model-Inspired Distributionally Robust Data-Enabled Predictive Control
针对部分已知且具不确定动态的系统，提出MDR-DeePC框架，结合模型等式约束与Hankel矩阵表示并采用分布鲁棒优化，仿真证明其较标准DeePC提升了干扰抑制并降低了控制成本。
2025-06-30 cs.SY eess.SY
Robust distributed model predictive control of linear systems: analysis and synthesis
针对离散线性系统受未知有界扰动的鲁棒性问题，提出了一种分布式模型预测控制（DMPC）的鲁棒DMPC设计方法.利用某些类的分布式系统的结构中看到的应用与交互耦合，如车辆排队，一种新的鲁棒DMPC制定。所提出的方法的特点是可分离的终端成本和本地强大的终端集，后者集自适应估计的在线优化问题。一个约束收紧方法的基础上的集员方法被用来保证约束满足耦合子系统中存在的干扰。在此公式下，闭环系统被证明是递归可行的和输入到状态稳定的。为了帮助部署建议的强大DMPC，一个可能的合成方法和设计条件，实际实施。最后，一个质量-弹簧-阻尼器系统的仿真结果证明了所提出的鲁棒DMPC。
2021-03-09 cs.SY eess.SY
Robust Model Predictive Control for Autonomous Vehicles/Self Driving Cars
本文提出一种用于自主车辆前轮控制的鲁棒模型预测控制方法，通过权重调整和在线线性化技术提升控制鲁棒性，并讨论各方法在精度和计算负载上的有效性。
2018-05-22 cs.RO cs.SY eess.SY
Formal Synthesis of Robust Koopman-Model Predictive Control: A Case Study in AC-DC Power Conversion
Kyoto University（京都大学）
本文提出鲁棒Koopman模型预测控制（RK-MPC）的正式综合方法，结合信号时序逻辑构建优化问题并证明闭环性能，通过AC-DC转换器设计验证其有效性。
2026-11-11 cs.SY eess.SY
