Safety Filter Design for Articulated Frame Steering Vehicles In the Presence of Actuator Dynamics Using High-Order Control Barrier Functions
针对铰接式转向车辆在重工业中的安全问题，提出一种基于二次规划的安全滤波器，通过引入高阶控制屏障函数和参数自适应HOCBF，确保系统在仿射执行器动态下的可行性与安全性。
2025-04-07 cs.SY eess.SY
An Efficient Safety-oriented Car-following Model for Connected Automated Vehicles Considering Discrete Signals
本文针对网联自动驾驶车辆离散信号带来的决策、相位差和通信延迟问题，提出一种集成正常行驶与紧急制动安全约束的高效跟驰模型，并通过多车型队列仿真验证其在丢包环境下的安全性、效率与稳定性。
2023-05-29 cs.SY eess.SY
Adaptive Estimation-Based Safety-Critical Cruise Control of Vehicular Platoons
针对异构车辆编队缺乏 V2V 通信时的安全与稳定问题，提出融合自适应状态估计、Lyapunov 函数与 CBFs 的统一 ACC 框架，并通过多场景和物理引擎仿真验证其安全、稳定与最优性能。
2024-05-18 cs.SY eess.SY
Enhancing Vehicle Platooning Safety via Control Node Placement and Sizing under State and Input Bounds
本文针对车辆编队易受网络攻击的问题，提出两阶段执行器布置与饱和方法，在状态和输入约束下优化关键控制节点及其输入边界，以兼顾安全性与防御效率。
2025-03-11 cs.SY eess.SY
Assessing the safety benefits of CACC+ based coordination of connected and autonomous vehicle platoons in emergency braking scenarios
针对网联自动驾驶车辆紧急制动场景，比较仅利用单前导车信息的CACC与利用多前导车信息的CACC+的安全效益，通过恒定时间车头时距策略和蒙特卡洛模拟评估碰撞概率等指标，为安全评估提供依据。
2024-04-30 cs.SY eess.SY
Safety-Critical Traffic Control by Connected Automated Vehicles
针对混合自主交通中CAV纵向控制的安全问题，本文提出结合控制屏障函数与二次规划的安全关键交通控制策略，采用状态观测器应对信息缺失，仿真验证其可实现串稳定且可证明安全的交通控制。
2023-01-12 cs.SY eess.SY
Concept framework for the safety assessment of platooning trucks enabled by V2V communication
行业和研发机构在自动驾驶技术开发以及建立适当的基于雷诺的安全评估方法方面正在采取重大步骤。在本文中，提出了一个概念框架，为一个非常具体的一组车辆：卡车在一个车队使车对车（V2V）通信。该基础是由先前提出的针对单个自动驾驶车辆的基于ECOMO的评估方法形成的。然而，这些方法没有考虑车辆间通信组件。它展示了V2V通信如何在系统中互连车辆，以及如何在场景描述中包括V2V通信。本文还提供了一个愿景，以回答的基本问题，安全评估是否应该考虑作为一个整体，或在队列中的个别车辆。
2020-07-16 cs.SY eess.SY
Towards Safe Autonomous Intersection Management: Temporal Logic-based Safety Filters for Vehicle Coordination
本文提出一种基于时序逻辑的安全过滤器，通过可达性分析为网联车辆计算安全时态走廊，在考虑决策不确定性的同时平衡交叉口安全与效率，并在模拟4向交叉口中验证了其实时性。
2024-08-27 cs.SY eess.SY
Event-triggered Add-on Safety for Connected and Automated Vehicles Using Road-side Network Infrastructure
提出了一种事件触发的附加安全机制，用于调整控制参数，使网络化车辆系统在保持机动性的同时及时制动。乘用车操纵性显著地受到组合滑移摩擦效应的影响，其中较大的纵向轮胎滑移导致横向轮胎力的显著下降。当道路上发生意外的危险情况时，这一点尤为重要，需要立即采取行动，如刹车，以避免碰撞。急刹车会导致高滑移和机动性损失，因此，及时刹车对于减少高滑移情况至关重要。除了车辆自身的主动安全系统外，在接到路边基础设施的危险通知后，将激活拟议的事件触发附加安全系统。其目的是将附加安全功能，以调整自动控制参数，以实现平稳和及时的制动，从而避免碰撞，同时保持车辆的机动性。我们研究了两种不同的无线技术，用于基础设施和车辆之间的通信，即长期演进（LTE）和第五代（5G）方案。该框架通过高保真软件模拟进行验证，并评估了包括附加功能以增加每种通信技术的安全裕度的优点。
2019-11-21 cs.SY eess.SY
Synergistic Development of Cybersecurity and Functional Safety for Smart Electric Vehicles
Dana Inc（丹纳公司）
本文针对智能电动汽车（SEVs）因复杂性增加而面临的网络安全与功能安全挑战，研究两者的集成协同发展，分析相关标准现状并指出通信网络弱点等关键问题。
2025-11-11 cs.SY eess.SY
Safe and Stable Connected Cruise Control for Connected Automated Vehicles with Response Lag
针对存在响应滞后的网联自动驾驶车辆，本文结合控制障碍函数理论研究网联巡航控制的安全稳定条件，推导安全控制增益与滞后临界值，提出安全关键型网联巡航控制方法，经真实交通数据仿真验证可利用前方远车信息提升安全性。
2024-09-10 cs.SY eess.SY
Stochastic Model Predictive Control with a Safety Guarantee for Automated Driving: Extended Version
自动驾驶汽车需要在不确定的环境中进行有效和安全的规划。大多数情况下，这种不确定性是由其他交通参与者引起的，例如，周边车辆。周围车辆的未来运动通常难以预测。而鲁棒控制方法实现安全，但保守的自动车辆的运动规划，随机模型预测控制（SMPC）提供了有效的规划存在的不确定性。应用概率约束以确保最大风险保持在预定义水平以下。然而，由于可能违反概率约束，无法确保安全性，这对于自动驾驶车辆是不可接受的。在这里，我们提出了一个有效的轨迹规划框架与自动驾驶汽车的安全保证。SMPC被应用于获得有效的车辆轨迹有限的地平线。基于第一优化SMPC输入，使用可达集规划有保证的安全备份轨迹。此备份用于覆盖SMPC输入（如有必要），以确保安全。证明了安全SMPC算法的递归可行性。高速公路模拟表明所提出的方法的有效性，性能和安全性。
2022-06-08 cs.SY eess.SY
Braking within Barriers: Constructive Safety-Critical Control for Input-Constrained Vehicles via the Backup Set Method
本文提出基于备用集方法的安全关键控制框架，在输入约束下合成制动控制器，防止车辆在非对称路面制动时打滑并最小化停车距离，通过反馈线性化和李雅普诺夫方程构造备用集-控制器对，并在四轮模型上验证。
2025-10-17 cs.SY eess.SY
A predictive safety filter for learning-based racing control
自动驾驶等安全关键型应用对高性能控制器的需求日益增长，推动了正式安全验证技术的发展。在本文中，我们设计并实现了一个预测性的安全过滤器，它能够保持车辆安全的轨道边界配对时，与任何潜在的不安全的控制信号，如那些发现在基于学习的方法。使用模型预测控制（MPC）框架来创建最小侵入性算法，该最小侵入性算法证明期望的控制输入是否是安全的并且可以应用于车辆，或者提供替代输入以将车辆保持在界限内。为此，我们提供了一个原则性的程序来计算一个安全和不变的非线性动态自行车模型，使用高效的凸逼近技术。为了在没有保守安全干预的情况下完全支持激进的赛车性能，安全设置通过预测控制备份轨迹实时扩展。在微型遥控车辆上的辅助手动驾驶和深度模仿学习应用证明了安全过滤器在激进机动中确保车辆安全的能力。
2021-02-23 cs.SY eess.SY
Rigorous Safety Analysis and Design of ADAS and ADS: Implications on Tools
针对商用ADAS与ADS安全定义、度量及设计方法缺乏共识的问题，本文强调严格性要求，并提出组织级软件工具需求，介绍实现ISO 26262大部分内容的EwQIMS。
2024-06-12 cs.SY eess.SY
Algorithmic Approaches to Enhance Safety in Autonomous Vehicles: Minimizing Lane Changes and Merging
本文提出基于状态机的MLCA算法以减少自动驾驶车辆不必要的变道，SUMO仿真显示其能显著降低变道与碰撞次数，提升交通效率与安全性，并具备大规模部署潜力。
2025-07-16 cs.SY eess.SY
Safety-Centered Scenario Generation for Autonomous Vehicles
General Autonomy Inc（通用自动驾驶公司）；New York University（纽约大学）
本文提出一种生成多样、参数化且安全关键驾驶场景的框架，用于验证自动驾驶车辆的安全特性。通过建模道路几何、交通参与者、环境条件和感知不确定性，该框架可重复且可扩展地测试安全机制，如紧急制动、避让动作和易受伤害道路使用者保护。
2026-03-03 cs.SY eess.SY
Longitudinal Control of Vehicles in Traffic Microsimulation
目前最先进的交通微观仿真工具无法准确评估自动驾驶系统和车辆连接的安全性，效率和移动性优势，因为没有考虑车辆的物理和动力系统特性以及阻力。本文提出了现实的纵向控制功能的自动驾驶汽车和没有车对车通信和一个现实的车辆跟驰模型的人类驾驶的车辆，考虑驾驶员的特点和车辆动力学。传统的纵向控制功能应用恒定的时间间隔策略，并使用经验的恒定控制器系数，可能会牺牲安全性或降低吞吐量。建议的纵向控制功能计算最小安全时间间隔在每个模拟时间步和调整控制器系数在每个模拟时间步在加速和减速过程中，以最大限度地提高吞吐量，而不影响安全。
2020-03-17 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
A Geometric Analysis-Based Safety Assessment Framework for Marine Vehicle Route Decision-Making
Institute of Artificial Intelligence, Shanghai University（上海大学人工智能研究所）；Engineering Research Center of Unmanned Intelligent Marine Equipment, Ministry of Education（教育部无人智能海工装备工程研究中心）；School of Engineering, Liverpool John Moores University（利物浦约翰摩尔斯大学工程学院）
提出基于几何分析的航线安全评估框架（GARSA），利用线和点几何元素定义航道边界，构建动态宽度表征函数量化受限水域空间安全性，并建立考虑整体及局部约束的航行安全指数，为船舶选择最安全航道提供定量依据。
2026-06-19 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
Longitudinal Safety Analysis For Heterogeneous Platoon Of Automated And Human Vehicles
Tsinghua University（清华大学）；The University of Hong Kong（香港大学）
本文研究了不同智能车辆市场渗透率下四种碰撞避让算法对混合编队安全的影响，通过定制化仿真平台分析碰撞率和严重性。
2018-09-10 cs.SY eess.SY
Formal Certification Methods for Automated Vehicle Safety Assessment
与自动驾驶相关的挑战不再仅仅集中在此类自动驾驶汽车（AV）的建造上，而是集中在确保其运行的安全上。3级和4级自动驾驶的最新进展促使人们对复杂的自动驾驶机动的安全保证进行更广泛的研究，这与ISO 21448（预期功能的安全性，或SOTIF）的目标一致，即最大限度地减少已知和未知的不安全情况，以及零愿景-到2050年消除高速公路死亡事故。大多数用于为AV运动控制提供安全保证的方法源自形式化方法，特别是可达性分析（RA），其依赖于系统动态演化的数学模型来提供保证。然而，据作者所知，还没有专门描述和解释AV背景下最先进的形式化方法的综述论文。在这项工作中，我们提供了安全验证，确认和认证过程的概述，以及审查最适合AV应用的正式安全技术。我们还提出了一个统一的场景覆盖框架，可以提供一个正式的或基于样本的估计安全验证的完整的AV。最后，目前已发表的研究范围以外的剩余的挑战和未来的机会，确保AV安全。
2022-03-03 cs.SY eess.SY
Leveraging Cooperative Connected Automated Vehicles for Mixed Traffic Safety
针对混合交通中CAV巡航控制的稳定性与安全权衡，提出协同反馈控制器与基于CBF的安全关键控制，证明CAV协同及与HV网联可兼顾稳定与安全。
2024-06-17 cs.SY eess.SY
Behavior Trees in Functional Safety Supervisors for Autonomous Vehicles
Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（机器人与工业信息研究所（西班牙国家研究委员会-加泰罗尼亚理工大学））；Universitat Politècnica de Catalunya-BarcelonaTech（加泰罗尼亚理工大学（巴塞罗那科技学院））；Renault Group（雷诺集团）
本文提出一种基于行为树并符合 ISO 26262 的实时功能安全监督架构，用于在 SAE 3 级自动驾驶车辆中检测危险并确保安全合规。
2024-10-03 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
Vehicle-in-Virtual-Environment (VVE) Method for Developing and Evaluating VRU Safety of Connected and Autonomous Driving with Focus on Bicyclist Safety
针对自动驾驶VRU安全研究存在的避撞系统缺失、延迟容忍策略研究不足、测试方法不规范等问题，本项目应用VVE方法，依托ADS自动转向与制动开发VRU安全功能，第二年报告聚焦优化上年成果并兼顾骑行者安全。
2025-08-30 cs.RO cs.SY eess.SY
Approaching Safety-Argumentation-by-Design: A Requirement-based Safety Argumentation Life Cycle for Automated Vehicles
KTH Royal Institute of Technology（皇家理工学院）；MOIA GmbH（MOIA有限公司）
本文提出基于需求的安全论证生命周期，旨在促进安全-论证-由设计范式，通过系统和论证的协同开发，解决自动驾驶安全论证中的误解问题。
2026-05-13 cs.SY eess.SY
Rigid Communication Topologies: Impact on Stability, Safety, Energy Consumption, Passenger Comfort, and Robustness of Vehicular Platoons
本文研究刚性通信拓扑对车辆队列多维度性能的影响，通过构建耦合动力学模型并解耦推导，发现下行（前瞻领航式）信息传输可显著提升队列效率与安全性，后向信息传输则会劣化性能。
2024-12-11 cs.SY eess.SP eess.SY
A Game-Theoretic Approach to Decision Making for Multiple Vehicles at Roundabout
National Institute of Informatics（国立情报学研究所）；Japanese-French Laboratory for Informatics（日法信息学联合实验室）；College of information science and engineering, Northeastern University（东北大学信息与工程学院）
本文研究了多自主车辆在环形交叉口的决策问题，通过博弈论方法平衡安全与速度，采用分布式决策过程估计其他车辆的 aggressiveness 并预测行为，通过数值模拟验证了方法在安全性和速度上的有效性。
2020-05-21 cs.SY eess.SY
Enhancing Traffic Safety Analysis with Digital Twin Technology: Integrating Vehicle Dynamics and Environmental Factors into Microscopic Traffic Simulation
针对传统交通安全分析和微观交通仿真的不足，本文将数字孪生技术整合车辆动力学与环境因素模拟器，通过替代安全指标评估不同场景，识别潜在安全问题，为交通控制和基础设施改进提供支持。
2025-02-13 cs.SY eess.SY math.OC
Embodied Opinion Dynamics for Safety-Critical Motion Control in Dynamic Environments
The University of Manchester（曼彻斯特大学）；RWTH Aachen University（亚琛工业大学）
提出一种自适应控制框架，将非线性意见动力学嵌入自动车辆的运动感知层，实现非合作环境下的安全决策与运动控制，并提供形式化安全保证与稳定性分析。
2026-06-12 cs.SY eess.SY
Learning-Based Safe Motion Control of Vehicle Ski-Stunt Maneuvers
提出了一种用于自主车辆滑雪特技机动的安全保证控制方法。为了精确地捕捉车辆动力学，高斯过程模型被用作对从物理原理获得的标称模型的附加校正。构造了一个概率控制障碍函数（CBF）来保证平面运动的安全性. CBF和平衡流形作为安全临界控制形式的约束。在所提出的控制方法下，车辆避免了障碍物碰撞，并安全地保持平衡的自主滑雪特技动作。我们进行数值模拟验证，以证明控制设计。初步的实验结果也证实了基于学习的运动控制使用比例尺的RC卡车自主滑雪特技演习。
2022-04-03 cs.SY eess.SY
Distributed control of vehicle strings under finite-time and safety specifications
Indian Institute of Science（印度科学学院）；University of California, San Diego（加利福尼亚大学圣地亚哥分校）
本文研究了具有安全要求和有限时间规范的车辆串最优控制问题，提出了一种可证明正确的分布式控制算法，确保车辆在速度限制、加速度饱和和安全要求下满足有限时间规范，即使在通信故障时也能避免碰撞。
2017-07-13 cs.SY eess.SY math.OC
A Functional Safety Assessment Method for Cooperative Automotive Architecture
汽车功能的范围已经从单个车辆作为一个实体发展到多个车辆作为一个实体一起工作，称为协同驾驶。目前的汽车安全标准ISO 26262是为单车设计的。随着道路上具有协同驾驶能力的车辆数量的增加，现在必须系统地评估这些车辆的架构的功能安全性。许多方法被提出来评估架构在软件架构域中的不同质量属性，但据我们所知，汽车架构的功能安全评估没有在文献中探讨。我们提出了一种方法，利用现有的研究在软件架构和安全工程领域，检查是否满足功能安全要求的合作驾驶场景中的技术架构的车辆。我们将我们的方法应用于现实生活中的学术原型的合作驾驶场景，排队，并讨论我们的见解。
2021-05-02 cs.SE cs.SY eess.SY
Risk-Based Safety Envelopes for Autonomous Vehicles Under Perception Uncertainty
考虑到感知其他道路使用者的不确定性，确保自动驾驶汽车的安全是一个悬而未决的问题。此外，感知和规划组件的单独安全规范提高了如何评估整体系统的安全性。这项工作提供了一种概率方法来计算安全信封下的感知不确定性。概率包络定义基于风险阈值。它限制了在完全可观察环境中实际安全包络大于应用包络的累积概率，并使用包络的迭代最差情况分析来求解。我们的方法扩展了非概率信封-在这项工作中，责任敏感的安全（RSS）-处理不确定性。为了评估我们的概率包络方法，我们比较它在模拟高速公路合并的情况下对几个基线安全架构。我们的评估表明，我们的模型允许调整安全性和性能的基础上选择的风险水平和感知的不确定性。最后，我们概述了如何正式认为安全下的感知不确定性，我们制定的信封违规风险。
2021-07-21 cs.MA cs.SY eess.SY
Multi-Adversarial Safety Analysis for Autonomous Vehicles
University of California - Berkeley（加州大学伯克利分校）
这项工作正在进行中，考虑在多智能体系统的自动驾驶领域的可达性为基础的安全分析。我们制定的安全问题的汽车以下的情况下，作为一个差分游戏，并研究如何不同的建模策略产生非常不同的行为，无论在其他情况下的策略的有效性。鉴于现实生活中的驾驶场景的性质，我们提出了一个建模策略，在我们的配方，占代理之间的微妙的相互作用，并比较其哈密顿结果与其他基线。我们的配方鼓励减少保守性的Hamilton-Jacobi安全分析，以提供更好的安全保证航行。
2021-12-29 cs.RO cs.SY eess.SY
Learning Autonomous Vehicle Safety Concepts from Demonstrations
NVIDIA（英伟达）；University of Washington（华盛顿大学）；Stanford University（斯坦福大学）
评估自动驾驶车辆（AV）的安全性取决于周围代理的行为，这些行为可能受到环境背景和非正式定义的驾驶礼仪等因素的严重影响。一个关键的挑战是在确定一个最低限度的假设是什么构成合理的可预见的行为，其他道路使用者的发展自动驾驶安全模型和技术。在本文中，我们提出了一种数据驱动的AV安全设计方法，首先从数据中学习“合理”的行为假设，然后使用这些学习到的行为假设合成AV安全概念。我们借用控制理论的技术，即高阶控制障碍函数和Hamilton-Jacobi可达性，以提供归纳偏差，以帮助我们的方法的可解释性，可验证性和易处理性。在我们的实验中，我们使用从高速公路交通编织场景中收集的演示来学习AV安全概念，将我们所学的概念与现有的基线进行比较，并展示其在评估真实驾驶日志中的功效。
2022-10-06 cs.RO cs.SY eess.SY
Runtime Safety Assurance for Learning-enabled Control of Autonomous Driving Vehicles
Southern University of Science and Technology（南方科技大学）；Research Institute for Trustworthy Autonomous Systems（可信自主系统研究院）
利用基于机器学习的控制器为自动驾驶汽车（AV）系统提供安全保障仍然是一个具有挑战性的问题。在这项工作中，我们提出了Simplex-Drive，这是一个框架，可以实现自动驾驶汽车的机器学习控制器的运行时安全保证。所提出的Simplex驱动器包括一个未经验证的基于深度强化学习（DRL）的高级控制器（AC），在复杂场景中实现理想的性能，一个基于速度障碍（VO）的基线安全控制器（BC），具有可证明的安全保证，以及一个经过验证的模式管理单元，监控运行状态，并根据安全相关条件在AC和BC之间切换控制权限。我们提供了一个形式化的正确性证明的Simplex驱动器，并在密集的交通场景中进行换道的案例研究。仿真实验结果表明，即使日间行车限制策略可能导致偏离安全状态，单纯形驱动器也能在不牺牲控制性能的情况下始终确保运行安全。
2021-09-28 cs.RO cs.SY eess.SY
Safety Certified Cooperative Adaptive Cruise Control under Unreliable Inter-vehicle Communications
University of Notre Dame（圣母大学）
本文研究了在不可靠车际通信环境下协同自适应巡航控制系统的安全认证问题，通过考虑非确定性时延和数据包丢失，形式化验证了混合CACC系统的被动安全性，定义了安全控制包络以指导控制信号合成。
2016-09-23 cs.MA cs.SY eess.SY
Impact of Information Flow Topology on Safety of Tightly-coupled Connected and Automated Vehicle Platoons Utilizing Stochastic Control
Univ. of Georgia（佐治亚大学）；Univ. of Central Florida（中佛罗里达大学）
通过车联网（V2X）通信实现的协同驾驶有望为交通系统的安全和效率做出重大贡献。协同自适应巡航控制（CACC）是一种重要的协同驾驶应用，近年来已成为许多研究的主题。使用CACC的主要动机是减少交通拥堵，提高交通流量、交通吞吐量和公路通行能力。由于协同车辆之间的信息流可以显着影响一个队列的动态，控制组件的设计和性能是紧密依赖于通信组件的性能。此外，信息流拓扑（IFT）的选择可以影响某些排属性，如稳定性和可扩展性。虽然通过使用V2X通信可以将协作车辆感知扩展到多个前驱信息，但是通信技术仍然存在可扩展性问题。因此，合作的车辆需要预测对方的行为，以补偿非理想的通信的影响。提出了基于模型的通信（MBC）的概念，通过引入一种新的灵活的内容结构来广播联合车辆动态/驾驶员行为模型，以增强非理想通信下的协作车辆感知。通过利用非参数（贝叶斯）建模方案，即，高斯过程回归（GPR），和MBC的概念，本文开发了一种离散的混合随机模型预测控制的方法，并检查通信损耗和不同的信息流拓扑结构的性能和安全的排的影响。结果表明，使用更多的车辆信息，在响应时间和安全性方面有所改善，验证了合作的潜力，以减少干扰，提高交通流量和安全性。
2022-03-29 cs.RO cs.SY eess.SY
Robust Safety for Autonomous Vehicles through Reconfigurable Networking
National Institute of Standards and Technology（美国国家标准与技术研究院）
本文通过软件定义网络技术提升自动驾驶车辆的网络鲁棒性，在非故障条件下无额外开销，故障时能及时传递信息，验证了其优越性。
2018-04-12 cs.NI cs.PF cs.SY
Towards Data-Driven Synthesis of Autonomous Vehicle Safety Concepts
NVIDIA（英伟达）；University of California, Berkeley（加州大学伯克利分校）
随着安全关键型自动驾驶汽车（AV）很快将在我们的社会中普及，最近在整个行业和学术界提出了许多用于可信AV部署的安全概念。然而，就适当的安全概念达成共识仍然是一项难以实现的任务。在本文中，我们主张使用汉密尔顿-雅可比（HJ）的可达性作为一个统一的数学框架，比较现有的安全概念，并通过这个框架的元素，提出了方法来定制安全概念（从而扩大其适用性）的情况下，在数据驱动的方式对代理行为的隐式期望。具体来说，我们表明，（一）现有的主要安全概念可以嵌入在HJ可达性框架，从而使一个共同的语言比较和对比建模假设，和（ii）HJ可达性可以作为一个归纳的偏见，有效地推理，在学习的背景下，两个关键的，但往往被忽视的安全方面：责任和上下文依赖。
2022-06-20 cs.LG cs.RO cs.SY
A Diversity Analysis of Safety Metrics Comparing Vehicle Performance in the Lead-Vehicle Interaction Regime
Transportation Research Center Inc.（运输研究中心有限公司）；National Highway Traffic Safety Administration（美国国家公路交通安全管理局）
本文以前车交互运行设计域为统一比较基准，分析了1967至2022年间33个基础指标及51个变体的构造与经验性能差异，指出安全指标在概念接受和经验论证上均存在挑战。
2023-06-26 cs.RO cs.SY eess.SY
Spatiotemporal Tube-Based Safety-Certificate for Autonomous Navigation of Articulated Vehicles
针对铰接式车辆自主导航的狭窄路线机动挑战，提出基于时空管的规划方法，确保挂车处于道路走廊内，经仿真验证可提供路线安全证书。
2026-08-17 cs.RO cs.SY eess.SY
Weakly Supervised Reinforcement Learning for Autonomous Highway Driving via Virtual Safety Cages
University of Surrey（萨里大学）
神经网络和强化学习的使用在自主车辆控制中变得越来越流行。然而，由此产生的控制策略的不透明性对在自主车辆中部署基于神经网络的控制提出了重大障碍。在本文中，我们提出了一种基于强化学习的方法，自主车辆纵向控制，其中基于规则的安全笼提供增强的安全性的车辆以及弱监督的强化学习代理。通过将代理引导到有意义的状态和动作，这种弱监督改善了训练过程中的收敛性，并增强了最终训练策略的安全性。这种基于规则的监督控制器具有完全可解释的进一步优势，从而使传统的验证和验证方法能够确保车辆的安全性。我们比较了有和没有安全笼的模型，以及具有最佳和约束模型参数的模型，并表明弱监督始终提高了探索的安全性，收敛速度和模型性能。此外，我们表明，当模型参数受到约束或次优时，安全笼可以使模型学习安全驾驶策略，即使模型无法单独通过强化学习进行训练。
2021-03-17 cs.LG cs.SY eess.SY
Control Barrier Functions and Input-to-State Safety with Application to Automated Vehicles
University of Michigan（密歇根大学）；California Institute of Technology（加州理工学院）；Plus.ai Inc.（智加科技公司）
平衡安全性和性能是现代控制系统设计中的主要挑战之一。此外，在不引起降低性能的不必要的保守性的情况下，稳健地确保安全性至关重要。在这项工作中，我们提出了一个建设性的方法，通过控制障碍函数（CBF）的安全关键控制综合。通过CBF过滤手工设计的控制器，我们能够获得高性能的行为，同时提供严格的安全保证。在干扰面前，鲁棒的安全性和性能是通过输入状态安全（ISSf）的概念同时实现的。我们采取了一个教程的方法，通过开发CBF设计方法与倒立摆的例子并行，使设计过程中的挑战和敏感性具体。为了建立所提出的方法的能力，我们考虑通过CBF的连接自动驾驶汽车（CAV）的形式的8级卡车没有拖车的安全关键设计的实际设置。通过实验，我们看到了未建模的干扰在卡车的驱动系统上的CBF提供的安全保证的影响。我们描述这些干扰，并使用ISSf，产生一个强大的控制器，实现安全而不让步的性能。我们评估我们的设计都在模拟，并首次在汽车系统，实验。
2022-06-07 cs.RO cs.SY eess.SY
A Simulation Framework with Guaranteed Error Bounds for Safety and Fuel-Efficiency Analysis of Vehicle Platoons
Shibaura Institute of Technology（芝浦工业大学）
提出基于仿真的方法研究车辆编队安全问题，通过分析跨控制参数的最小车间距，利用提升状态表示和微分不等式推导，给出选仿真时间的方法，还扩展到燃油效率分析并举例说明。
2026-07-07 cs.SY eess.SY math.OC
A Finite-Sampling, Operational Domain Specific, and Provably Unbiased Connected and Automated Vehicle Safety Metric
Ohio State University（俄亥俄州立大学）
互联自动化车辆安全指标通过分析涉及SV与其他动态道路用户和环境特征之间的交互的数据来确定主体车辆（SV）的性能。当数据集仅包含从自然混合交通驾驶环境中收集的有限样本集时，通过指定SV在哪个域中预计是安全的以及SV在该域中的统计安全性如何，预计度量将安全评估结果从观察到的有限样本推广到未观察到的情况。然而，据我们所知，现有的安全性指标都不能证明上述属性具有特定于操作领域的、保证完整的和可证明无偏见的安全性评价结果。在本文中，我们提出了一种新的安全性度量，涉及$α$ -形状和$ε$ -几乎鲁棒前向不变集来表征SV的几乎安全的可操作域和概率SV保持在安全域内，分别。所提出的方法的经验表现在几个不同的操作设计领域通过一系列的情况下，涵盖了各种保真度水平（现实世界和模拟器），驾驶环境（高速公路，城市和十字路口），道路使用者（汽车，卡车和行人），和SV驾驶行为（人类驾驶员和自动驾驶算法）。
2022-02-02 cs.RO cs.SY eess.SY
Power-based Safety Layer for Aerial Vehicles in Physical Interaction using Lyapunov Exponents
ETH Zurich（苏黎世联邦理工学院）
随着自主系统性能的提高，安全问题也随之出现，特别是在非结构化环境中运行时。为了解决这些问题，这项工作提出了一个安全层的机械系统，检测和响应外部干扰引起的不稳定动态。安全层是独立实现的，并且在已经存在的标称控制器（如姿势或扳手跟踪）之上，并且当系统的响应将导致不稳定时限制功率流。该方法基于系统误差动态的最大李雅普诺夫指数（LLE）的计算，该指数表示动态的发散或收敛速率的度量。通过主动计算该度量，可以迅速检测到发散的和可能危险的系统行为。然后，LLE与控制障碍函数（CBF）结合使用，对加加速度控制系统施加功率限制约束。在全方位微型飞行器（OMAV）的自由飞行和互动任务的实验验证所提出的架构。
2022-05-25 cs.RO cs.SY eess.SY
Active Safety System for Semi-Autonomous Teleoperated Vehicles
Technical University of Munich（慕尼黑工业大学）；Delft University of Technology（代尔夫特理工大学）
自动驾驶汽车可以减少道路交通事故，并提供更安全的交通方式。然而，在将这些车辆部署到市场之前，需要解决关键的技术挑战，例如在复杂的城市环境中的安全导航。远程操作可以帮助从人类操作到完全自动驾驶汽车的平稳过渡，因为它仍然有人类在回路中，为驾驶员提供后备范围。本文提出了一种用于遥控驾驶的主动安全系统（ASS）方法。所提出的方法可以帮助操作员确保车辆在复杂环境中的安全性，即避免与静态或动态障碍物发生碰撞。我们的ASS依赖于一个模型预测控制（MPC）制定控制车辆的横向和纵向动态。通过利用MPC框架处理约束的能力，我们的ASS限制了控制器干预人类操作员命令的横向校正的权限，避免了人类操作员的反直觉驾驶体验。此外，我们设计了一个视觉反馈，以提高操作员的信任的ASS。此外，我们提出了一个MPC的预测时域数据为基础的新的预测显示，以减轻遥操作系统中的大延迟的影响。我们测试了所提出的方法在高保真车辆模拟器的动态障碍物和延迟的存在下的性能。
2021-06-28 cs.RO cs.SY eess.SY
Safety Verification for Evasive Collision Avoidance in Autonomous Vehicles with Enhanced Resolutions
New York University（纽约大学）；North Carolina A&T State University（北卡罗来纳农工州立大学）；University of Notre Dame（圣母大学）；Qualcomm（高通公司）；Torc Robotics（托尔克机器人公司）；Glasgow Caledonian University（格拉斯哥卡里多尼亚大学）；American Axle & Manufacturing（美国车桥制造公司）；Gatik AI（加蒂克人工智能公司）
本文针对自动驾驶规避最小风险机动系统提出系统的危害分析、风险评估与损失评价方法，并引入缓释完整性等级以验证最小风险机动功能，从而提升主动安全功能的可靠性。
2024-11-05 cs.RO cs.SY eess.SY
Scalable Autonomous Vehicle Safety Validation through Dynamic Programming and Scene Decomposition
Stanford University（斯坦福大学）；NASA Ames Research Center（NASA艾姆斯研究中心）
自动驾驶中的一个悬而未决的问题是如何最好地使用模拟来验证自动驾驶汽车的安全性。现有技术依赖于模拟的推出，这对于发现罕见的故障事件可能是低效的，而其他技术被设计为仅发现单个故障。在这项工作中，我们提出了一种新的安全验证方法，试图估计分布超过故障的自治政策使用近似动态规划。这种分布的知识允许有效地发现许多失败的例子。为了解决问题的可扩展性，我们分解复杂的驾驶场景子问题，只包括自我车辆和其他车辆。这些子问题可以用近似动态规划来解决，并且它们的解被重新组合以近似完整场景的解。我们将我们的方法应用到一个简单的两辆车的情况下，以证明该技术，以及一个更复杂的五辆车的情况下，以证明可扩展性。在这两个实验中，我们观察到与基线方法相比，发现的失败数量有所增加。
2020-06-26 cs.LG cs.RO cs.SY
Autonomous Racing with Multiple Vehicles using a Parallelized Optimization with Safety Guarantee using Control Barrier Functions
University of California, Berkeley（加州大学伯克利分校）；University of Minnesota-Twin Cities（明尼苏达大学双城分校）
本文提出了一种新的规划和控制策略，与多辆车在赛车的情况下竞争。所提出的比赛策略在两种模式之间切换。当没有周围车辆时，基于学习的模型预测控制（MPC）轨迹规划器用于保证本车实现更好的单圈计时性能。当自我车辆与周围车辆竞争超车时，基于优化的规划器通过并行计算生成多个动态可行的轨迹。每个轨迹优化下的MPC制定不同的同伦Bezier曲线参考路径横向周围的车辆之间。在这些不同的同伦轨迹中选择时间最优的轨迹，并使用具有控制障碍函数约束的底层MPC控制器来避免障碍物，以保证系统的安全关键性能。所提出的算法具有生成无碰撞轨迹并跟踪它们的能力，同时以稳定的低计算复杂性增强单圈计时性能，在自主赛车环境中的计时和性能方面优于现有方法。为了证明我们的赛车策略的性能，我们模拟多个随机生成的移动车辆在赛道上，并测试自我车辆的超车动作。
2022-03-27 cs.MA cs.RO cs.SY
