On the Maximization of Long-Run Reward CVaR for Markov Decision Processes
本文研究马尔可夫决策过程中长期奖励CVaR的最大化问题,证明最优策略存在于至多两个动作间随机化的平稳随机化策略类中,并通过极小极大化与线性规划方法给出求解算法。
2023-12-04 cs.SY eess.SY math.OC
Toward a Scalable Upper Bound for a CVaR-LQ Problem
我们研究了一个离散的,有限的时间范围内分布模糊的线性二次型,最优控制问题,其中的成本是通过评估条件风险价值(CVaR)。我们采取步骤,推导出一个可扩展的动态规划方法上限的最优值函数为这个问题。这个动态的程序产生一个新的,可调的风险规避控制政策,我们比较现有的国家的最先进的方法。
2022-06-25 cs.SY eess.SY
Co-Control of VaR and CVaR forData-Driven Stochastic Demand Response Auction
在不确定性下做出最优决策的能力在从投资组合管理到电力工程的各种学科中仍然很重要。这通常意味着对只能通过有限的历史样本集观察到的不确定参数应用一些安全裕度。然而,优化决策必须对所有可能的结果具有弹性,同时理想地提供对可能性较小的结果中的任何潜在违规的严重性的某种度量。因此,本文开发了一种方法,共同控制与CVaR相关的风险价值(VaR)水平,以保证在可能的情况下的弹性,同时提供一个平均违规的措施,在不太可能的情况下。为了进一步对抗不确定性,CVaR和VaR协同控制以分布鲁棒的方式使用Wasserstein度量来扩展,以建立从有限样本构造的模糊集,该模糊集保证包含具有一定置信度的真实分布。
2020-03-03 cs.SY eess.SY
On Optimizing the Conditional Value-at-Risk of a Maximum Cost for Risk-Averse Safety Analysis
CVaR(Conditional Value-at-Risk)是一种金融风险泛函,由于其直观的解释和公理化的基础,在控制系统中越来越受欢迎。考虑一类非标准最优控制问题,目标是最小化Borel空间马尔可夫决策过程下最大随机成本的CVaR.该目标表示在最坏情况的给定部分上平均的期望操作区域的最大偏离。这个问题提供了一个随机系统的安全标准,该标准由系统行为的潜在后果的概率和严重性来告知。相比之下,现有的安全分析框架应用阶段性风险约束或评估约束违反的概率,而不量化违反的潜在严重性。据我们所知,利息问题还没有解决。为了解决这个问题,我们提出并研究了增广状态空间上的一类随机动态规划。我们证明了最大随机成本的最优CVaR享有这些动态规划的解决方案在适当的假设下的等价表示。对于每一个动态程序,我们证明了存在的最优策略,取决于一个增广状态的动态假设。在一个数值例子中,我们说明了我们的安全分析框架是如何有用的结合下水道溢流降水不确定性的严重程度进行评估。
2022-06-19 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
Risk-Constrained Belief-Space Optimization for Safe Control under Latent Uncertainty
Institute for Systems Research, University of Maryland, College Park(马里兰大学帕克分校系统研究所)
本文提出一种风险敏感的信念空间MPPI控制器,通过在信念分布下规划并施加CVaR约束,以确保轨迹安全边际。该方法在物理仿真中实现了高风险规避下的高成功率。
2026-09-10 cs.RO cs.SY eess.SY
On Exponential Utility and Conditional Value-at-Risk as Risk-Averse Performance Criteria
本文聚焦指数效用(EU)与条件风险价值(CVaR)两类风险厌恶泛函,通过数值算例研究其在控制器综合与安全分析中的应用,考察二者在决策理论、数学及计算层面的权衡,以提升风险厌恶控制技术的可解释性。
2023-05-05 cs.SY eess.SY math.OC
Wasserstein Distributionally Robust Control Barrier Function using Conditional Value-at-Risk with Differentiable Convex Programming
Mississippi State University(密西西比州立大学)
本文提出分布鲁棒控制屏障函数DR-CBF,通过单层凸重构估计Wasserstein分布偏移下的CVaR,并利用可微凸规划实现前向不变性,在保持计算效率的同时提升安全控制器对分布偏移的鲁棒性。
2023-09-15 cs.LG cs.RO cs.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
CVaR-Guided Decision-Focused Learning and Risk-Triggered Re-Optimization for Two-Stage Robust Microgrid Operation
Center for Power Engineering, School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院电力工程中心)
本文提出一种基于CVaR的决策聚焦学习与风险触发再优化框架,用于两阶段鲁棒微grid运行,通过改进预测可靠性与缩小预测-决策差距,提升概率预测精度和风险缓解能力。
2026-04-17 cs.SY eess.SY
Regime-Dependent Value of CVaR in Preventive Maintenance Scheduling under RUL Uncertainty
AGH University of Science and Technology(AGH科技大学)
本研究针对RUL不确定下的预防性维护调度,比较风险中性与风险感知(含CVaR)策略,发现低至中等不确定性且多维护槽位时CVaR策略收益最大,可降CVaR 13.4%而成本微增,高不确定性时收益消失。
2026-09-29 cs.SY eess.SY
A Risk-Sensitive Finite-Time Reachability Approach for Safety of Stochastic Dynamic Systems
University of California, Berkeley(加州大学伯克利分校);SRI International(SRI国际研究所);Stanford University(斯坦福大学);OptiRTC, Inc.(OptiRTC公司);Tufts University(塔夫茨大学)
本文提出一种风险敏感的有限时间可达性方法,用于在非对抗性扰动下确保随机动态系统的安全性,通过引入风险敏感安全集的概念,并将其转化为马尔可夫决策过程的求解问题,提供了一种可计算的算法来近似该安全集,并通过实际案例验证了方法的有效性。
2019-04-30 cs.SY eess.SY
Risk-Aware Model Predictive Path Integral Control Using Conditional Value-at-Risk
Georgia Institute of Technology(佐治亚理工学院)
针对具有任意形式不确定性的自主机器人,提出了一种新的模型预测控制方法。建议的风险感知模型预测路径积分(RA-MPPI)控制利用条件风险值(CVaR)措施,以产生安全关键的机器人应用程序的最优控制行动。与大多数现有的随机MPC和CVaR优化方法将原始动态线性化并将控制任务表示为凸规划不同,该方法直接使用原始动态而不限制代价函数的形式或噪声。我们将新的RA-MPPI控制器应用于自动驾驶汽车,在混乱的环境中执行积极的驾驶机动。我们的模拟和实验表明,建议的RA-MPPI控制器可以实现约相同的单圈时间,显着减少碰撞相比,基线MPPI控制器。建议的控制器进行在线计算的更新频率高达80 Hz,利用现代图形处理单元(GPU)的多线程生成的轨迹以及CVaR值。
2022-09-26 cs.RO cs.SY eess.SY
Risk-Aware Learning for Scalable Voltage Optimization in Distribution Grids
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
分布式能源(DER)的实时协调是调节配电网电压分布的关键。通过利用可扩展的神经网络(NN)架构,可以实现分散的DER决策,以解决缺乏实时通信的问题。本文通过考虑无功预测和电压偏差的潜在风险,提出了一种先进的学习型DER协调方案。这种风险量化的条件风险价值(CVaR)仅使用最坏情况下的样本,我们提出了一个小批量选择算法,以解决训练速度问题,最大限度地减少CVaR正则化损失。使用IEEE 123-bus测试用例的真实世界数据的数值测试已经证明了所提出的用于分散DER决策的风险感知学习算法的计算和安全改进,特别是在减少馈线电压违规方面。
2022-04-18 cs.LG cs.SY eess.SY
Distributionally robust risk map for learning-based motion planning and control: A semidefinite programming approach
Seoul National University(首尔国立大学);Automation and Systems Research Institute(自动化与系统研究所)
本文提出了一种新的安全规范工具,称为分布式鲁棒风险地图(DR风险地图),在学习环境中运行的移动机器人。给定机器人的位置,该地图旨在可靠地评估与障碍物碰撞的条件风险值(CVaR),障碍物的运动由高斯过程回归(GPR)推断。不幸的是,推断的分布是受误差,使得难以准确地评估碰撞的CVaR。为了克服这一挑战,该工具在所谓的模糊性集合中测量最坏情况分布下的风险,该模糊性集合表征了允许的分布误差。为了解决无限维问题固有的DR-风险图的建设,我们推导出一个易于处理的半定规划公式,提供了一个上限的风险,利用现代分布鲁棒优化技术。作为运动规划的一个具体应用,一个分布式鲁棒RRT* 算法被认为是使用的风险地图,解决由GPR造成的分布错误。此外,运动控制方法的设计使用DR风险图在基于学习的模型预测控制(MPC)制定。特别地,提出了风险图的神经网络近似,以减少求解MPC问题的计算成本。建议的风险地图的性能和实用性证明,通过模拟研究,显示其能力,以确保移动机器人的安全,尽管学习错误。
2021-05-03 cs.RO cs.SY eess.SY
Policy Library CBF: Finite-Horizon Safety at Runtime via Parallel Rollouts
Department of Robotics(机器人学系);Department of Aerospace Engineering(航空航天工程系);University of Michigan(密歇根大学);Toyota Motor North America, Research & Development(丰田美国北美洲研发部门)
本文提出PL-CBF,通过并行有限时间滚动预测评估备用策略库,选择最安全模式并最小修改名义策略以确保安全,实验显示在保持毫秒级运行时间的同时提升了安全覆盖率。
2026-11-13 cs.RO cs.SY eess.SY
Inverse Optimal Safety Filters
CBF-QP安全滤波器是给定状态向量处的控制工作的逐点最小化器,即,在每个时刻都是近视最佳的。但它们在整个无限时间范围内是最优的吗?对于一个受控的动态系统来说,“最优安全”与传统的“最优稳定”相对,这意味着什么?当确定性和随机性扰动具有未知的上界时,如何定义安全性以允许在扰动下的优雅降级?安全过滤器可以被设计为保证这种较弱的安全属性以及在无限时间范围内的最优安全性吗?我们提出并回答这些问题的一般系统仿射控制和干扰,并说明答案使用几个例子。在这个过程中,使用现有的QP安全过滤器,以及更一般的安全确保反馈,我们生成整个家庭的安全过滤器是最佳的无限地平线上,虽然他们是保守的(有利于安全的“警觉性”)相对于标准QP。
2021-12-15 cs.SY eess.SY
Risk-Averse Receding Horizon Motion Planning for Obstacle Avoidance using Coherent Risk Measures
本文针对不确定动力学智能体在随机动态障碍物环境中的避障问题,提出基于相干风险度量的MPC方案,并设计航点跟随算法证明其递归可行性与有限时间任务完成保证。
2023-09-28 cs.RO cs.SY eess.SY
Synthesis of safety certificates for discrete-time uncertain systems via convex optimization
本文针对受加性扰动的离散时间线性系统,提出两类半定规划以协同设计控制障碍函数和线性反馈控制器,分别给出最坏情形无限时域安全与有限时域概率安全保证,并扩展至输入约束、分布模糊、安全滤波和避障。
2025-05-13 cs.SY eess.SY math.OC
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
Safety-Aware Dimension Selection for Reduced-Order Model Predictive Control
NC State University(北卡罗来纳州立大学);UNC/NC State Joint Department of Biomedical Engineering, NC State University(UNC/北卡罗来纳州立大学生物医学工程联合系)
本文提出安全感知维度选择框架,结合动态主动子空间与有限时域误差界,为降阶MPC选择满足安全约束的最小预测阶次,保障安全并降低计算负担。
2026-10-14 cs.SY eess.SY
Receding-Horizon Nonlinear Optimal Control With Safety Constraints Using Constrained Approximate Dynamic Programming
University of Kentucky(肯塔基大学)
本文提出了一种用于非线性连续时间系统的递推最优控制方法,结合约束近似动态规划技术,通过二次有限时间积分成本函数和Riccati型差分方程,实现状态约束下的最优控制,通过仿真实验验证了其有效性。
2026-04-02 cs.SY eess.SY
Backup Plan Constrained Model Predictive Control
本文提出了一种新的安全概念:后备计划安全。后备计划的安全性被定义为在主要任务流产的情况下完成其中一个替代任务的能力。为了将这种新的安全概念的控制问题,我们制定了一个可行性最大化的问题,采用额外的(虚拟)输入视野对替代任务的输入视野上的主要任务。主要任务和备选任务的代价函数构造多个目标,并且多水平输入评估它们。为了解决可行性最大化问题,我们开发了一种多时域多目标模型预测路径积分控制(3M)算法。模型预测路径积分控制(MPPI)是一种基于采样的方案,可以帮助所提出的算法处理非线性动态系统,并通过并行计算来实现计算效率。通过对飞行器和地面车辆控制问题的仿真,验证了备份计划安全性的新概念和所提算法的性能。
2021-03-27 cs.SY eess.SY
Constraint Horizon in Model Predictive Control
本研究提出含预测时域和约束时域的MPC公式,既推广了闭环最优性估计框架,又改进了传统CBF方法,解决了CLF与CBF约束的兼容性问题,经数值仿真验证有效。
2025-03-24 cs.SY eess.SY math.OC
Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles
School of Mechanical Engineering, University of Science and Technology Beijing(北京科技大学机械工程学院)
本文提出基于响应感知风险约束控制屏障函数的统一控制框架,用于车辆动态安全边界控制。通过构建不确定性传播模型并结合贝叶斯在线学习,消除了对道路附着力系数的依赖,实现了安全性和跟踪性能的帕累托改进。
2026-03-13 cs.LG cs.SY eess.SY
Quantifying the Value of Preview Information for Safety Control
自动驾驶汽车等安全关键系统通常包含感知模块,这些模块可以预测即将到来的系统动态干扰,期望这种预览信息可以提高系统在复杂和不确定环境中的性能和安全性。然而,缺乏正式的分析预览信息对安全的影响。在这项工作中,我们引入了安全遗憾的概念,一个适当定义的最大不变集的系统与有限预览和无限预览的系统之间的差异,并表明,这个量对应于有限步预览按指数衰减预览地平线。在此基础上,给出了不同预见期下系统安全遗憾的数值计算方法。最后,我们通过多个不同应用领域的例子来演示所建立的理论和算法。
2023-03-19 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
Risk-perception-aware control design under dynamic spatial risks
University of California at San Diego(加州大学圣地亚哥分校)
这项工作提出了一种新的风险感知感知(RPA)控制设计使用不确定的动态空间成本相关的风险的非理性感知。我们使用累积前景理论(CPT)的决策者(DM)的风险感知模型,并使用它来构建感知风险函数,将不确定的动态空间成本的DM确定性感知风险。然后,这些风险被用来建立安全集,可以代表风险厌恶风险不敏感的感知。我们定义了一个概念的“包容性”和“多功能性”的基础上的安全集,并使用它来比较与其他模型,如条件风险价值(CVaR)和预期风险(ER)。我们从理论上证明,CPT是最“包容性”和“通用”的模型的很多风险感知控制的背景下。我们进一步使用感知风险函数以及来自控制障碍函数(CBF)的思想来构建一类感知风险CBF。对于一类截断高斯成本,我们找到了这类CBF有效性的充分几何条件,从而保证了安全性。然后,我们生成感知安全关键控制使用二次规划(QP),以指导代理安全地根据给定的感知风险模型。我们提出了在2D环境中的模拟来说明所提出的控制器的性能。
2021-09-09 cs.RO cs.SY eess.SY
Risk-Aware Optimization of Age of Information in the Internet of Things
最小化信息年龄(AoI)的期望值是一种风险中性方法,因此它无法捕获具有潜在大AoI的罕见但关键的事件。为了捕捉这些事件的影响,本文提出了条件风险价值(CVaR)的概念,作为一种有效的一致性风险度量,适用于实时物联网状态更新的AoI最小化。在所考虑的监控系统中,IoT设备监控物理过程并将状态更新发送到具有更新成本的远程接收器。最优状态更新过程被设计为联合最小化接收器处的AoI、接收器处的AoI的CVaR以及能量成本。这个随机优化问题被制定为一个无限时域折扣风险意识马尔可夫决策过程(MDP),这是计算上难以解决的,由于时间不一致的CVaR。通过利用相干风险度量的特殊性质,风险感知的MDP减少到一个标准的MDP与增广的状态空间,我们推导出最佳的静态策略使用动态规划。特别是,最佳的历史依赖的政策的风险意识MDP的依赖于历史,只有通过增强系统的状态,可以很容易地构建使用最佳的静态政策的增强MDP。所提出的解决方案被证明是计算上易于处理的,并且能够以风险感知的方式最小化实时物联网监控系统中的AoI。
2020-02-26 cs.IT cs.NI cs.SY
Bridging the Gap Between Safety and Real-Time Performance in Receding-Horizon Trajectory Design for Mobile Robots
University of Michigan(密歇根大学)
为了在不可预测的环境中使用有限的传感器视野进行操作,自主机器人使用滚动视野策略来规划轨迹,其中它们在创建下一个计划的同时执行短计划。然而,实时的创建安全的、动态可行的轨迹是具有挑战性的;而且,规划者必须确保持久的可行性,这意味着在前一个轨迹完成执行之前,新的轨迹总是可用的。现有的方法在模型复杂性和规划速度之间进行权衡,这可能需要牺牲安全性和动态可行性的保证。提出了基于可达性的轨迹设计方法。RTD开始于跟踪参数化轨迹时机器人运动的离线前向可达集(FRS)计算; FRS可证明地限制跟踪误差。在运行时,FRS用于将障碍物映射到参数化轨迹,从而允许RTD在每次规划迭代时选择安全轨迹。RTD规定了障碍物表示法,以确保在保持安全的同时,可以实时的创建和评估障碍物约束。持久的可行性是通过规定一个最小的传感器地平线和最短的持续时间为计划的轨迹。一个系统分解的方法是用来提高计算FRS的易处理性,允许RTD在运行时创建更复杂的计划。在仿真中将RTD与快速探索随机树和非线性模型预测控制进行了比较。RTD还在两个硬件平台上的随机制作的环境中进行了演示:差速驱动的赛格威和类似汽车的罗孚。所提出的方法是安全的,并在数千个模拟和几十个真实世界的硬件演示持续可行。
2020-04-22 cs.RO cs.SY eess.SY
Real-Time Risk-Bounded Tube-Based Trajectory Safety Verification
Computer Science and Artificial Intelligence Laboratory (CSAIL)(计算机科学与人工智能实验室(CSAIL));Massachusetts Institute of Technology (MIT)(麻省理工学院(MIT))
研究了自治系统在不确定时变非线性安全约束条件下的连续时间状态轨迹的实时的【形】风险有界安全验证问题.风险被定义为不满足不确定安全约束的概率。现有的解决不确定性下安全验证问题的方法要么局限于特定类别的不确定性和安全约束,例如,高斯不确定性和线性约束,或者依赖于基于采样的方法。在本文中,我们提供了一个快速的凸算法,有效地评估概率非线性安全约束的存在下,任意的概率分布和长的规划视野在实时的【形】,不需要不确定性样本和时间离散化。所提供的方法验证了给定的状态轨迹及其邻域(管)的安全性,以考虑执行的不确定性和风险。在所提供的方法中,我们首先使用的不确定性的概率分布的时刻转换成一组确定性的安全约束的概率安全约束。然后,我们使用基于平方和多项式的凸方法来验证在整个规划时间范围内获得的确定性安全约束,而无需时间离散化。为了说明所提出的方法的性能,我们将所提供的方法应用于自动驾驶车辆和自主飞行器的安全验证问题。
2021-10-01 cs.RO cs.SY eess.SY
Multi-Step Model Predictive Safety Filters: Reducing Chattering by Increasing the Prediction Horizon
University of Toronto(多伦多大学);University of Toronto Robotics Institute(多伦多大学机器人研究所);Vector Institute for Artificial Intelligence(向量人工智能研究所);Technical University of Munich(慕尼黑工业大学);Munich Institute for Robotics and Machine Intelligence(慕尼黑机器人与机器智能研究所)
本文提出一种多步模型预测安全滤波器,通过延长输入修正时域并利用鲁棒 MPC 技术保证递归可行性,在 Crazyflie 2.0 实验中相比已有方法将抖振减少 4 倍以上。
2023-09-20 cs.LG cs.RO cs.SY
Safety Certification is Classification
ETH Zürich(苏黎世联邦理工学院);Technical University of Denmark(丹麦技术大学);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
本文提出将安全性认证作为轨迹数据分类问题,直接估计T步安全性概率,避免递归误差,适用于非马尔可夫动态系统。
2026-05-07 cs.AI cs.SY eess.SY
Recursively Feasible Shrinking-Horizon MPC in Dynamic Environments with Conformal Prediction Guarantees
针对不确定动态环境下收缩时域MPC现有方案无法保证全任务周期可行性的问题,提出一种随在线新预测区域逐步放宽安全约束的收缩时域MPC,实现递归可行性,实验验证其预测区域更紧致且具备递归可行性。
2024-05-17 cs.SY eess.SY stat.ML
PAC One-Step Safety Certification for Black-Box Discrete-Time Stochastic Systems
Key Laboratory of System Software, Institute of Software, Chinese Academy of Sciences(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);Nanyang Technological University(南洋理工大学)
本文提出了一种基于PAC理论的数据驱动框架,用于为黑盒离散时间随机系统提供单步安全保证,并通过数值实验验证了其有效性。
2026-02-14 cs.SY eess.SY
Probabilistically safe controllers based on control barrier functions and scenario model predictive control
针对基于控制障碍函数的控制器短视、性能差及模型预测控制计算需求高的问题,提出仅在预测时域首步用场景法转化的确定性CBF约束实现概率安全的控制方法,给出无分布先验安全保证并通过无人机案例验证有效性。
2024-09-12 cs.SY eess.SY
Adaptive Risk-Certified Event-Triggered Replanning for Dynamic Navigation
University of Houston(休斯顿大学)
针对动态环境中预测误差导致的安全风险,提出CERT-Replan框架,利用校准屏障风险作为重规划信号,通过时域级风险监视选择低风险替代方案,显著降低碰撞率并减少安全过滤器干预。
2026-10-08 cs.RO cs.SY eess.SY
From a Single Trajectory to Safety Controller Synthesis of Discrete-Time Nonlinear Polynomial Systems
针对模型未知的离散时间非线性多项式系统,提出基于单条轨迹数据的平方和优化方法,无需辨识系统即可直接设计控制屏障证书与安全控制器,经两个物理案例验证了有效性。
2024-09-16 cs.SY eess.SY
Reinforcement Learning-based Receding Horizon Control using Adaptive Control Barrier Functions for Safety-Critical Systems
Boston University(波士顿大学)
针对CBF约束参数与代价参数整定影响性能和可行性的问题,提出RL与MPC-CBF结合的双层优化滚动时域控制,并在CAV自动汇入场景中验证其性能提升与不可行案例减少。
2025-02-19 cs.AI cs.SY eess.SY
Safety Barrier Certificates for Stochastic Hybrid Systems
研究随机混杂系统的安全控制器设计问题,其中连续演化过程由布朗运动和泊松过程的随机微分方程描述,瞬时跳变过程由带加性噪声的随机差分方程描述.我们提出的框架利用控制屏障证书(CBC)的概念,作为一个离散化的自由的方法,合成随机混杂系统的安全控制器,同时提供安全保证在有限的时间范围内。在我们提出的方案中,我们首先提供了一个增强的框架来描述每个随机混杂系统包含连续演化和瞬时跳跃与一个统一的系统,涵盖这两种情况。然后,我们引入了一个增广控制屏障证书(ACBC)的增广系统,并提出了充分条件,以构造一个ACBC的基础上原混杂系统。利用构造的ACBC,我们量化的概率上界的随机混杂系统达到一定的不安全区域在有限的时间范围内。所提出的方法是通过一个非线性的案例研究进行验证。
2022-08-06 cs.SY eess.SY
Learning Robust Safety Controllers for Uncertain Input-Affine Polynomial Systems
本文针对未知动态的输入仿射多项式系统,提出基于持续激励数据的直接数据驱动方法,通过平方和优化综合鲁棒控制屏障证书与鲁棒安全控制器,无需显式建模即可在无限时间范围内保证扰动下的安全性。
2025-07-20 cs.SY eess.SY
Collective Tube Model Predictive Control With Distribution-Free Joint Safety Certificates
Politecnico di Torino(都灵理工大学)
本文提出集体管模型预测控制(CT-MPC),通过校准预测误差轨迹管并离线构建确定性收紧,实现线性系统联合状态-输入安全与递归可行性,相比传统方法减少收紧并保持安全性。
2026-09-23 cs.SY eess.SY
Towards Fast and Safety-Guaranteed Trajectory Planning and Tracking for Time-Varying Systems
University of Melbourne(墨尔本大学);Simon Fraser University(西蒙菲莎大学)
针对时变动力学与扰动下的自主系统,本文提出离线安全控制器结合在线轨迹重规划的跟踪方法,并将有限时域方案扩展至周期系统,通过自主水下航行器仿真验证。
2024-12-05 cs.RO cs.SY eess.SY
Compositional Construction of Safety Controllers for Networks of Continuous-Space POMDPs
在本文中,我们提出了一个合成框架的安全控制器的部分观察离散时间随机控制系统(a.k.a.)网络的合成。连续空间POMDPs)。给定一个估计量,我们利用一个离散化的方法来合成控制器,确保在有限的时间范围内的安全规格。所提出的框架是基于一个概念,所谓的本地控制障碍函数计算子系统在两种不同的方式。在第一种方案中,不需要估计精度的先验知识。第二个框架利用概率界的估计精度使用的概念,所谓的随机模拟功能。在这两个方案中,我们驱动足够的小增益类型的条件,以组成构造控制障碍函数互连POMDPs使用本地障碍函数计算的子系统。利用组合性的结果,构造的控制障碍函数使我们能够计算概率的下限,互连POMDPs避免某些不安全的区域在有限的时间范围内。我们证明了我们提出的方法的有效性,将它们应用到自适应巡航控制问题。
2021-03-10 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
Sufficient and Necessary Barrier-like Conditions for Safety and Reach-avoid Verification of Stochastic Discrete-time Systems
Key Laboratory of System Software (Chinese Academy of Sciences) and State Key Laboratory of Computer Science, Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所,系统软件重点实验室,计算机科学与技术国家重点实验室)
本文提出随机离散时间系统安全性和可达-回避验证的必要和充分屏障条件,通过放松贝尔曼方程建立必要性和充分性,解决无限时间 horizon 的安全性和可达-回避验证问题。
2026-01-05 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
A Provably Correct MPC Approach to Safety Control of Urban Traffic Networks
Boston University(波士顿大学)
本文提出一种可证明正确的MPC方法,通过在安全集内寻找鲁棒受控不变集来优化有限时间成本函数,确保城市交通网络的长期安全性能。
2016-02-02 cs.SY eess.SY
Compositional Controller Synthesis for Interconnected Stochastic Systems with Markovian Switching
在这项工作中,我们提出了一个组合方案的安全控制器的合成互联离散时间随机系统的马尔可夫开关信号。我们提出的方法是基于一个概念,所谓的控制存储证书计算的各个子系统,通过利用它,可以合成状态反馈控制器的互联系统,以执行安全规范在有限的时间范围内。为此,我们采用平方和(SOS)优化方法来搜索多个存储证书的每个开关子系统,同时合成其相应的安全控制器。然后,我们利用耗散性理论的组合构造屏障证书的互联系统的基础上存储证书的各个子系统。所提出的耗散型组合条件可以利用互连拓扑的结构,并独立于子系统的数量或增益来实现。我们最终采用构造的屏障证书和量化的概率上界,互联系统在有限的时间范围内达到某些不安全的区域。我们将我们的研究结果应用于200个房间的室温网络,同时接受多个存储证书。我们合成的安全控制器,以保持每个房间的温度在一个舒适区的有界的时间范围。
2022-08-06 cs.SY eess.SY
Real-time trajectory planning for automated vehicle safety and performance in dynamic environments
高性能自动车辆在静态和移动障碍物环境中的安全轨迹规划是一个具有挑战性的问题。挑战的一部分是开发一种可以实时求解的公式,同时包括以下一组规格:最短的目标时间,动态车辆模型,最小的控制工作,静态和移动避障,速度和转向的同时优化,以及短的执行范围。本文提出了一种基于非线性模型预测控制的轨迹规划公式,适合于大型,高速无人地面车辆,其中包括上述一组规格。本文还评估了NLOptControl的能力,以解决这一制定在实时与KNITRO非线性规划问题求解器; NLOptControl是我们的开源,直接配置为基础的,最优控制问题求解器。该制剂采用不同的质量标准进行检测。特别是,一个参数的研究有关的执行地平线和障碍物的速度,表明移动避障规范是不需要的安全时,规划者有一个小的执行地平线($\leq0.375\;s$)和障碍物移动缓慢($\leq2.11\frac{m}{s}$)。然而,当障碍物移动得更快时,需要移动障碍物回避规范,并且该规范通过$6.73$($p=2.2\times10^{-16}$)的因子提高了整体安全性,而在大多数情况下不增加求解时间。总体而言,结果表明:(1)高性能自动驾驶车辆的安全轨迹规划器应包括上述整套规范,除非静态或低速环境允许不太全面的规划器;(2)NLOptControl可以实时求解公式。
2020-01-28 cs.SY eess.SY
Predicted-Flow Control Barrier Functions for Non-Control-Affine Systems
University of Kentucky(肯塔基大学)
本文提出预测流控制屏障函数方法,解决非控制仿射系统的安全认证与性能优化问题,通过规划控制与时间偏移参数实现固定预测范围内的安全保证,并在仿真中与非线性模型预测控制对比。
2026-09-15 cs.SY eess.SY
Spatiotemporal Receding Horizon Control with Proactive Interaction Towards Autonomous Driving in Dense Traffic
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Great Bay University(大湾区大学);The Hong Kong University of Science and Technology(香港科技大学);HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute(香港科技大学深港协同创新研究院)
本文提出一种计算高效的时空滚动时域控制(ST-RHC)方案,结合主动交互的安全屏障模块,在密集交通中实现安全、节能的实时轨迹规划,并通过实验验证其在准确性、效率和安全性上的优越性。
2024-05-26 cs.RO cs.SY eess.SY
A Control Approach for Nonlinear Stochastic State Uncertain Systems with Probabilistic Safety Guarantees
本文针对部分状态观测的随机系统,提出一种先基于确定性模型生成控制策略、再通过重要性采样随机搜索优化控制序列的方法,实现概率安全保证且计算复杂度与状态维度无关。
2023-09-15 cs.SY eess.SY
Predicted-Flow Control Barrier Functions for Real-Time Safe Optimal Control
Department of Mechanical and Aerospace Engineering, University of Kentucky(机械与航空航天工程系,肯塔基大学)
本文提出预测流控制障碍函数(P-CBF),通过将CBF推广为预测流的泛函,结合终端候选和规划时间偏移,实现有限预测时域内的安全证书,并统一了有限时域积分成本优化与安全认证。
2026-09-22 cs.RO cs.SY eess.SY