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
HJB Based Optimal Safe Control Using Control Barrier Functions
本文提出了一种最优安全控制器,使控制障碍函数(CBFs)安全条件下的无穷时域代价泛函最小化。将约束最优控制问题转化为满足安全约束的Hamilton-Jacobi-Bellman(HJB)方程的极小化问题。通过求解优化问题,我们能够构造满足最优性和安全性条件的封闭形式解。所提出的解决方案被证明是连续的,因此它使安全集向前不变,同时最小化给定的成本。因此,同时实现了最佳稳定性和安全性目标。为了综合最优安全控制器,我们提出了一种改进的Galerkin逐次逼近方法,该方法在给定稳定安全初始值的情况下,保证了最优安全解。该算法在一个约束非线性系统上实现,以显示其有效性。
2022-02-02 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
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
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
Learning Control Barrier Functions with High Relative Degree for Safety-Critical Control
控制障碍函数在解决具有安全保证的控制问题方面已经显示出巨大的成功。这些方法通常通过求解在线二次规划问题来找到下一个安全控制输入。然而,模型的不确定性是一个很大的挑战,综合控制器。这可能导致不安全控制行为的产生,造成严重后果。在本文中,我们开发了一个学习框架来处理系统的不确定性。我们的方法主要集中在学习的动态的控制障碍函数,特别是对于高相对于系统的程度。我们表明,对于每一个订单,控制障碍函数的时间导数可以分离成标称控制障碍函数的时间导数和一个余数。这意味着我们可以使用神经网络来学习余数,以便我们可以近似真实控制障碍函数的动态。我们通过仿真表明,我们的方法可以生成安全的轨迹下的参数不确定性,使用差分驱动机器人模型。
2020-11-21 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
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
Exact-Safe MPPI: Safety-Aware Sampling with Nonsmooth Control Barrier Functions
University of New Mexico(新墨西哥大学)
本文提出Exact-Safe MPPI方法,利用精确最小值和CBF二次规划处理非光滑多障碍约束,保证安全集前向不变性,并验证其在狭窄通道导航中的有效性。
2026-10-07 cs.SY eess.SY
Control Barrier Corridors: From Safety Functions to Safe Sets
Department of Mechanical Engineering, Eindhoven University of Technology(埃因霍温理工大学机械工程系);Department of Electrical and Computer Engineering, University of California San Diego(加州大学圣地亚哥分校电气与计算机工程系)
本文提出控制屏障走廊概念,通过统一控制屏障函数与安全运动走廊方法,实现安全目标选择与持续路径跟随。
2026-03-06 cs.RO cs.SY eess.SY
Safe Stabilization using Nonsmooth Control Lyapunov Barrier Function
针对安全镇定中光滑李雅普诺夫屏障函数无法保证控制器可行性的问题,提出非光滑控制李雅普诺夫屏障函数(NCLBF)及其系统设计框架,在多个不安全区域下实现了安全镇定,理论分析与仿真验证了其优越性。
2025-04-07 cs.SY eess.SY
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
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
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
Safe Backstepping with Control Barrier Functions
复杂的控制系统通常以分层的方式描述,表示为高阶系统,其中输入出现在积分器链之后。虽然控制障碍函数(CBF)已被证明是非线性系统的安全关键控制器设计的强大工具,但它们应用于高阶系统增加了控制器综合过程的复杂性--它需要动态扩展CBF以包括高阶项,从而以复杂的方式修改安全集。我们提出了另一种方法来解决安全的高阶系统通过控制障碍函数Backstepping。从李雅普诺夫反推方法的启发,我们提供了一个建设性的框架,从一个顶级的动态安全规范和控制器设计合成安全关键控制器和CBF高阶系统。此外,我们集成了所提出的方法与李雅普诺夫反推,允许的稳定性和安全性的任务,单独表示,但共同实现。我们证明了这种方法在模拟的有效性。
2022-04-01 cs.SY eess.SY
Safe Exploration in Reinforcement Learning: Training Backup Control Barrier Functions with Zero Training Time Safety Violations
本文提出RLBUS算法,结合备份控制障碍函数与无模型强化学习训练额外备份策略,扩大安全集的控制前向不变子集,实现训练零安全违规的更大状态空间探索,在倒立摆示例中验证了安全性与性能提升效果。
2024-12-09 cs.SY eess.SY
Safe Control Synthesis for Multicopter via Control Barrier Function Backstepping
本文针对多旋翼飞行器提出一种基于控制屏障函数的安全反步控制器,通过动力学重构处理混合相对阶与非严格反馈形式问题,将控制输入转化为带仿射不等式约束的二次规划求解,可同时满足角速度、推力方向、速度和位置等多层级安全约束。
2023-08-08 cs.SY eess.SY
Koopman-Based Linear MPC for Safe Control using Control Barrier Functions
Boston University(波士顿大学);Johns Hopkins University(约翰斯·霍普金斯大学);University of Maryland, College Park(马里兰大学帕克分校)
本文提出一种基于Koopman的线性模型预测控制框架,用于非线性离散时间系统的安全控制。通过构造DCBF增强的动力学系统,利用Koopman算子理论将非线性动力学提升到高维空间,从而将非线性安全约束MPC问题转化为二次规划问题。
2026-09-18 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
Safety Under State Uncertainty: Robustifying Control Barrier Functions
UCLA(加州大学洛杉矶分校);Caltech(加州理工学院)
针对控制障碍函数依赖精确状态而实际仅得噪声或估计状态的问题,提出鲁棒控制障碍函数(R-CBF),无需不确定性大小即可合成鲁棒安全控制器,仿真验证其额外鲁棒性与收敛性保证。
2026-09-18 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
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
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
Guaranteed-Safe MPPI Through Composite Control Barrier Functions for Efficient Sampling in Multi-Constrained Robotic Systems
本文提出GS-MPPI算法,通过复合控制屏障函数将多重安全约束集成为单一约束并嵌入MPPI采样过程,在保证安全的同时提升采样效率并缓解CBF短视问题。
2024-10-03 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
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
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
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
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
End-to-End Imitation Learning with Safety Guarantees using Control Barrier Functions
模仿学习(IL)是一种学习范式,可用于合成复杂系统的控制器,模仿专家(用户或控制算法)演示的行为。尽管IL方法很受欢迎,但它们通常缺乏安全性保证,这限制了它们在复杂安全关键系统中的实用性。在这项工作中,我们认为安全,制定为集不变性,并赋予相关的正式保证控制障碍函数(CBFs)。我们开发的条件下,鲁棒安全的专家控制器,利用CBF,可以用来学习端到端的控制器(我们称之为CBF兼容控制器),有安全保证。这些保证是从输入状态安全(ISSf)的角度考虑安全的干扰的情况下,其中它示出IL使用鲁棒安全的专家演示结果在ISSf与干扰直接相关的学习问题的属性。我们证明了这些安全保证,在模拟的基于视觉的端到端的倒立摆和汽车驾驶的轨道控制。
2022-12-21 cs.SY eess.SY
Adaptive Safety-Critical Control for a Class of Nonlinear Systems with Parametric Uncertainties: A Control Barrier Function Approach
针对含参数不确定性的非线性系统安全控制问题,提出结合控制障碍函数与自适应律的方法,可无在线参数估计验证容许控制集非空,还通过数据驱动算法优化参数边界,经仿真验证有效。
2024-04-13 cs.SY eess.SY
Verification and Control for Finite-Time Safety of Stochastic Systems via Barrier Functions
Georgia Institute of Technology(佐治亚理工学院)
本文研究了在有限时间范围内确保随机动力系统安全性的方法,利用随机屏障函数量化系统在有限时间内退出给定安全区域的概率。通过将屏障证书条件转换为求和平方优化问题,实现了高效的数值计算。与以往工作不同,所提出的证书条件包含状态依赖的生成元界,从而获得更紧的概率界。此外,针对漂移动力学为控制的仿射函数的随机系统,提出了一种合成多项式状态反馈控制器的方法,以实现指定的安全概率。
2019-05-28 cs.SY eess.SY
Distributed Safe Navigation of Multi-Agent Systems using Control Barrier Function-Based Optimal Controllers
本文提出一种基于控制屏障函数的分布式控制器综合框架,将碰撞避免编码为状态依赖网络优化问题的控制输入约束,实现多智能体系统在复杂环境中的安全导航,并验证其渐近最优性。
2024-05-01 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
Universal Barrier Functions for Safety and Stability of Constrained Nonlinear Systems
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出通用障碍函数(UBF)以编码稳定性与安全性,并构建UBF-QP生成受输入约束的安全稳定控制输入,证明了其可行性及在温和条件下UBF的存在性,且可扩展至高相对阶系统。
2025-11-02 cs.SY eess.SY
Safe Policy Optimization via Control Barrier Function-based Safety Filters
Boston University(波士顿大学);California Institute of Technology(加州理工学院);University of California San Diego(加州大学圣地亚哥分校)
本文提出一种策略优化框架,通过联合参数化名义反馈增益和安全过滤组件,提升安全过滤器的稳定性,实验显示能去除不稳定均衡点并改善收敛性。
2026-04-01 cs.SY eess.SY
Sampling-Aware Control Barrier Functions for Safety-Critical and Finite-Time Constrained Control
Boston University(波士顿大学);Worcester Polytechnic Institute(伍斯特理工学院);University of Maryland, College Park(马里兰大学帕克分校)
本文提出考虑采样的控制屏障函数(SACBF),以解决传统高阶控制屏障函数在采样执行下的安全性和有限时间到达保持要求问题,通过估计和结合泰勒上界保证系统安全性和可行性。
2026-04-08 cs.SY eess.SY
Robust Safety under Stochastic Uncertainty with Discrete-Time Control Barrier Functions
部署在非结构化的,真实世界的环境中的机器人在相当大的不确定性下运行,由于不完善的状态估计,模型误差和干扰。鉴于这种现实世界的背景下,本文的目标是开发控制器,可证明安全的不确定性。为此,我们利用控制障碍函数(CBF),保证机器人在其操作过程中保持在"安全设置“-但CBF(及其相关的保证)传统上是在连续时间的背景下,确定性系统有界不确定性的研究。在这项工作中,我们研究了离散时间CBF(DTCBF)的离散时间动态和无界随机干扰系统的安全性。利用鞅理论的工具,我们开发的概率界的安全性(在有限的时间范围内)的系统的动态满足离散时间障碍函数条件的期望,并分析的效果Jensen的不等式DTCBF为基础的控制器。最后,我们提出了几个例子,我们的方法合成安全的控制输入的系统受到显着的过程噪声,包括倒立摆,双积分器,和四足动物在狭窄的道路上。
2023-02-23 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
Safety Barrier Certificates for Stochastic Control Systems with Wireless Communication Networks
针对无线通信网络下存在噪声的随机控制系统,本文基于控制障碍证书(CBC)提出一种形式化安全控制器综合方法,通过平方和优化与矩阵不等式构建CBC及控制器,为安全属性满足概率提供下界,并在永磁同步电机与汽车电动转向应用中验证了有效性。
2023-09-11 cs.SY eess.SY
Recurrent Control Barrier Functions: A Path Towards Nonparametric Safety Verification
针对传统HJ可达性分析和CBFs安全验证计算负担大的问题,提出循环控制屏障函数RCBF,利用轨迹循环特性验证安全,将函数设计转为集合识别,还提出可并行的数据驱动非参数安全集计算方法,平衡保守性与计算成本。
2025-10-02 cs.SY eess.SY
Safety during Transient Response in Direct Current Microgrids using Control Barrier Functions
我们考虑的问题,保证瞬态电压和电流保持在规定的范围内的直流(DC)微电网,当控制器没有获得准确的系统动态,由于负载是未知的和/或时变的。为了实现这一点,我们提出了一种基于优化的控制器设计使用控制障碍函数。我们表明,所提出的控制器具有分散的结构,是鲁棒的系统参数,如负载的精确值的不确定性。
2021-02-04 cs.SY eess.SY
Control Barrier Functions for Shared Control and Vehicle Safety
针对车辆行驶安全问题,提出基于最大相位可恢复椭圆定义指数型控制屏障函数的共享控制方法,经仿真与实车封闭赛道实验验证,可在极端漂移等场景下高效维持车辆状态处于安全域内。
2025-03-25 cs.SY eess.SY
A Predictive and Sampled-Data Barrier Method for Safe and Efficient Quadrotor Control
Shanghai Jiao Tong University(上海交通大学);Boston University(波士顿大学);MIT(麻省理工学院)
本文提出一种级联控制框架,结合MPC与HOCBF扩展的采样数据障碍函数,实现四旋翼安全高效轨迹跟踪,兼顾安全性与实时性。
2025-10-06 cs.SY eess.SY
On the Degree of Safety: Beyond Safe or Unsafe with Control Barrier Functions
University of California, Irvine(加州大学尔湾分校);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
本文针对控制障碍函数(CBF)仅能二元判定安全与否的局限,区分了内在与表示不可行性,提出与表示无关的安全度指标不变性权威需求(IAD),用于指导集合或执行器修复。
2026-11-02 cs.SY eess.SY
Converse Barrier Certificates for Finite-time Safety Verification of Continuous-time Perturbed Deterministic Systems
Key Lab. of System Software (Chinese Academy of Sciences), Institute of Software, CAS(中国科学院软件研究所系统软件重点实验室);University of Chinese Academy of Sciences(中国科学院大学);School of Mathematics and Physics, University of Science and Technology Beijing(北京科技大学数理学院)
本文提出了一种反向定理,用于验证连续时间扰动确定性系统在有限时间内的安全性,通过构造连续可微的时间依赖屏障证书来确保系统安全。
2026-01-11 cs.SY eess.SY
Bounding Stochastic Safety: Leveraging Freedman's Inequality with Discrete-Time Control Barrier Functions
针对传统鲁棒安全方法保守性高的问题,本文结合Freedman不等式与离散时间控制屏障函数、c-鞅,为随机系统提供更严格的安全概率边界,经对比和双足机器人仿真验证了其有效性与紧致性。
2024-11-04 cs.SY eess.SY
Functional Observers for Output-Feedback Safety with High-Order Control Barrier Functions
California Institute of Technology(加州理工学院)
本文针对全状态不可用的线性系统,利用高阶控制屏障函数和标量函数观测器,提出多项式协同设计框架,实现输出反馈安全滤波。
2026-09-15 cs.SY eess.SY
Safety Control of Uncertain MIMO Systems Using Dynamic Output Feedback Barrier Pairs
本文针对不确定MIMO系统在部分状态信息下的安全控制问题,提出结合向量范数障碍函数与动态输出反馈控制器的方法,并设计障碍函数估计器提供鲁棒上界,在紧输入约束下优于现有方法。
2024-09-30 cs.SY eess.SY math.OC
High-order Barrier Functions: Robustness, Safety and Performance-Critical Control
在本文中,我们提出了一个概念的高阶(归零)障碍函数,推广的概念归零障碍函数,并保证设置前不变性检查其高阶导数。所提出的公式保证了前向不变集的渐近稳定性,这对于模型扰动的鲁棒性非常有利。与现有的高阶障碍函数方法相比,在我们的设置中不需要前向完备性假设。对于受控动力系统的情况下,我们放松了一致的相对度的要求,并提出了一个奇异的无控制方案,产生一个局部Lipschitz控制信号,并保证安全。此外,所提出的配方占“性能关键”控制:它保证了一个子集的前向不变集将承认任何现有的,有界的控制法,同时仍然确保前向不变的集。最后,一个非平凡的案例研究与刚体姿态动力学和互联的细胞区域作为安全区域进行了研究。
2021-07-01 cs.SY eess.SY
Approximate Optimal Control for Safety-Critical Systems with Control Barrier Functions
控制障碍函数(CBF)已成为安全关键控制系统中强制集合不变性的流行工具。在保证安全性的同时,大多数CBF方法都是短视的,因为它们在每个时间步长而不是在很长的时间范围内解决优化问题。这种方法可能允许系统太接近不安全集,在那里优化问题可能变得不可行。这些问题中的一些可以通过将松弛变量引入优化问题来缓解;然而,这会损害到期望的平衡点的收敛。为了解决这些挑战,我们开发了一种近似的最优方法,在安全关键控制问题中,违反安全约束的成本直接嵌入在价值函数。我们表明,我们的方法是能够保证安全和收敛到一个理想的平衡。最后,我们通过数值例子比较了我们的方法与传统的二次规划方法的性能。
2020-08-10 cs.SY eess.SY
Control Barrier Functions for Cyber-Physical Systems and Applications to NMPC
网络物理系统的易处理安全保证算法在关键应用中非常重要。基于控制障碍函数的方法假设连续的强制执行,这在在线方式中是不可能的。本文提出了两个易于处理的算法,以确保离散时间控制的信息物理系统的前向不变性。这两种方法都是基于控制障碍函数,以提供严格的数学安全保证。第一种算法利用Lipschitz连续性,并制定了一个强大的程序,随后放松到一组仿射条件的安全条件。第二种算法是受管NMPC的启发,并使用仿射控制障碍函数制定与辅助控制器,以保证系统的安全性。我们结合了近似NMPC控制器与第二种算法,以保证严格的安全性,尽管近似的约束,并显示其有效性的小型赛格威实验。
2021-04-29 cs.SY eess.SY
SafeSpace: Aggregating Safe Sets from Backup Control Barrier Functions under Input Constraints
California Institute of Technology(加州理工学院)
本文提出一种框架,通过组合控制屏障函数将多个小的安全集合并为一个认证安全集,以扩大操作范围。
2026-04-04 cs.SY eess.SY