Constrained minmax density transportation for linear parabolic PDEs: a numerical optimal control perspective
Graduate School of Informatics, Kyoto University（京都大学情报学研究科）；Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文针对带噪声的线性抛物型PDE，提出极小极大约束密度控制的数值最优控制框架，将问题转化为凸半无限规划，构建高效算法求解并通过数值示例验证。
2026-08-20 cs.SY eess.SY math.OC
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
Guaranteed Safe Spacecraft Docking with Control Barrier Functions
本文提出了一种在安全约束和有界干扰下航天器与非机动目标对接的控制策略。干扰的存在防止收敛到一个独特的对接状态，所以在我们的配方中，对接被定义为发生在一组使用规定的公差构造。通过应用鲁棒控制屏障功能来确保安全性，以使指定的安全设置对任何允许的干扰保持不变。然而，这种安全策略必须假设最坏情况的干扰，因此当不存在最坏情况的干扰时，将轨迹限制在安全集的子集。所设计的控制器考虑了这一限制，并保证航天器在有限时间内保持安全并实现对接。然后，控制器进行了验证，在模拟航天器降落在小行星上，和两个航天器在低地球轨道对接。
2021-12-22 cs.SY eess.SY math.OC
Safe Landing on Small Celestial Bodies with Gravitational Uncertainty Using Disturbance Estimation and Control Barrier Functions
University of Kentucky（肯塔基大学）
本文提出了一种结合扰动估计、轨迹跟踪和安全约束的三阶段控制方法，用于在引力不确定性下实现小天体的安全着陆，通过数值模拟验证了其在不规则天体上的有效性。
2026-03-12 cs.SY eess.SY math.OC
Disturbance Observer-Parameterized Control Barrier Function with Adaptive Safety Bounds
针对外部扰动下的鲁棒安全控制问题，提出DOp-CBF框架，利用扰动观测器动态调整安全界，保证前向不变性，并通过巡航控制仿真验证其安全与性能优势。
2025-02-26 cs.SY eess.SY
Enforcing Safety at Runtime for Systems with Disturbances
控制系统的安全性通常被视为一个不变性约束;如果状态轨迹始终避免状态空间的某些不安全区域，则系统被称为安全的。保证控制器是通过在运行时过滤期望的控制输入来在线实施安全性的控制器，并且控制障碍函数（CBF）提供保证控制器，其呈现状态空间的安全子集前向不变。最近的扩展提出CBF为基础的保证控制器，允许系统离开一个已知的安全设置，只要一个给定的备份控制策略最终返回到安全设置，然而，这些方法还没有被扩展到考虑系统受到未知的干扰输入。在这项工作中，我们提出了一个基于CBF的运行时保证系统的干扰问题的制定，和控制器解决这个问题，必须以某种方式，将在线计算的可达集。在一般情况下，在存在干扰的情况下计算可达集的计算成本很高，不能直接纳入CBF框架。为此，我们提出了一个特定的解决方案的问题，从而可达集近似通过混合单调性。存在有效的算法过近似可达集的混合单调系统超矩形，我们表明，这种近似是适合纳入CBF为基础的运行时保证框架。
2020-08-16 cs.SY eess.SY math.DS
Safety Filter for Robust Disturbance Rejection via Online Optimization
本文提出一种基于自适应FIR滤波的安全滤波器，通过在$\infty$-范数代价下约束FIR系数并限制OCO指令，解决了在线凸优化在模型不确定性下的不稳定问题，确保了高精度控制的鲁棒干扰抑制。
2025-04-04 cs.SY eess.SY math.OC
Disturbance Observer-based Robust Control Barrier Functions
本文提出将扰动观测器与控制屏障函数结合的DOB-CBF安全控制方法，通过在线凸二次规划估计并补偿外部扰动，在保证安全的同时改善性能权衡。
2023-02-21 cs.SY eess.SY math.OC
Robust Safe Control Synthesis with Disturbance Observer-Based Control Barrier Functions
在复杂的实时操作环境中，外部干扰和不确定性会对动力系统的安全性、稳定性和性能产生不利影响。本文提出了一种在扰动存在下，利用控制李雅普诺夫函数（CLF）和控制障碍函数（CBF）的鲁棒镇定安全临界控制器综合框架。一个高增益的输入观测器的方法是适应于估计的时变未建模动态的CBF的误差界使用的CBF的一阶时间导数。这种方法导致了一个容易调谐的低阶干扰估计器结构的设计参数，因为它只利用CBF约束。通过构造一个CLF-CBF二次规划，利用估计的未知输入和相关的误差界来保证鲁棒安全性和指数稳定性。该方法适用于相对度为1和相对度较高的CBF约束。通过对自适应巡航控制系统和带有外部干扰的赛格威平台的数值仿真，验证了该方法的有效性。
2022-04-28 cs.SY eess.SY
Safe Controller Synthesis with Tunable Input-to-State Safe Control Barrier Functions
为了以安全的方式将复杂系统带入现实世界的环境中，它们必须对环境和系统中的不确定性具有鲁棒性。研究了控制系统在输入扰动下的安全性问题，其中扰动可以捕获系统中的不确定性。安全性，作为前向不变的状态空间中的集合，确保与控制障碍函数（CBF）的框架。具体地说，输入状态安全（ISSf）的定义是广义的，允许合成的非保守的，可调控制器，可证明安全的变化的干扰。这是通过制定的概念，可调输入状态安全的控制障碍函数（TISSF-CBF），保证安全的干扰，随着状态的变化，因此，提供了较不保守的手段，容纳不确定性。通过一个简单的带有输入扰动的控制系统验证了理论结果，并将其应用于重型汽车安全联网巡航控制器的设计。
2021-06-04 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
Safety-Critical Online Control with Adversarial Disturbances
University of Washington（华盛顿大学）
本文研究了存在对抗性干扰的安全临界动力系统的控制问题。我们寻求合成状态反馈控制器，以尽量减少由于干扰所产生的成本，同时尊重安全约束。安全约束由H-inf范数的上界给出，而成本被指定为系统的H-2范数的上界。我们考虑一个在线设置，其中每个时间的成本只有在选择控制器之后才能显示。我们提出了一种迭代的方法来合成的控制器，通过求解一个修改的离散时间Riccati方程。该方程的解强制执行安全约束。我们比较了这个控制器的成本与最优控制器时，一个有完整的知识的干扰和成本事后。我们发现，后悔功能，这是定义为这些成本之间的差异，随时间跨度的变化而变化。我们在一个过程控制设置上验证了我们的方法，该过程控制设置受到两种对抗性攻击。
2020-09-20 cs.CR cs.LG cs.SY
RTD-RAX: Fast, Safe Trajectory Planning for Systems under Unknown Disturbances
Georgia Institute of Technology（佐治亚理工学院）；School of Electrical and Computer Engineering（电子与计算机工程学院）；School of Mechanical Engineering（机械工程学院）；School of Civil and Environmental Engineering（土木与环境工程学院）
RTD-RAX通过非保守的RTD方法快速生成目标导向候选轨迹，并利用混合单调可达性实现快速扰动感知在线安全认证，确保在实时不确定环境下轨迹安全。
2026-03-23 cs.RO cs.SY eess.SY
Robust Safety for Mixed-Autonomy Traffic with Delays and Disturbances
针对混合交通中CAV的执行器、传感器时延及扰动会破坏安全保证的问题，提出鲁棒安全关键交通控制RSTC，通过带误差界的状态预测器、鲁棒CBF约束及结合观测器的预测型CBF实现鲁棒安全，仿真验证其可在两类危险场景下避免追尾。
2023-10-06 cs.SY eess.SY
PAC Finite-Time Safety Guarantees for Stochastic Systems with Unknown Disturbance Distributions
College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院）
本文提出了一种基于数据驱动的方法，通过有限样本建立随机系统在有限时间内的概率安全保证，结合VC维、场景优化和Rademacher复杂性理论，揭示样本大小、模型复杂度与安全容忍度之间的权衡。
2026-03-02 cs.SY eess.SY
A dynamic game approach to distributionally robust safety specifications for stochastic systems
University of Southern California（南加州大学）
本文提出了一种新的安全规范方法，该方法对扰动概率分布的误差具有鲁棒性。通过动态博弈方法构建安全策略，识别非随机化马尔可夫策略最优的条件，并开发了一种在对扰动分布了解有限的情况下设计安全导向的随机控制器的方法，同时在概率意义上确保安全。
2017-01-31 cs.SY eess.SY math.OC
Probabilistic Safety under Arbitrary Disturbance Distributions using Piecewise-Affine Control Barrier Functions
Department of Electrical Engineering (ESAT- STADIUS), KU Leuven（荷鲁文大学电气工程系（ESAT-STADIUS））
本文提出基于分段仿射概率控制屏障函数的简单安全过滤器设计，通过混合整数规划和启发式搜索方法提升随机系统安全性和计算效率。
2025-12-03 cs.SY eess.SY math.OC
From Space to Time: Enabling Adaptive Safety with Learned Value Functions via Disturbance Recasting
University of California San Diego（加州大学圣地亚哥分校）
针对空间变化扰动下安全滤波器失效问题，提出SPACE2TIME方法，通过将扰动空间变化重铸为时间变化以复用预计算值函数，在四旋翼上经仿真与硬件实验验证，显著优于基线。
2025-09-23 cs.RO cs.SY eess.SY
Robust safety design for strict-feedback nonlinear systems via observer-based linear time varying feedback
Université Bourgogne Europe（勃艮第欧洲大学）；COMSATS University Islamabad（伊斯兰堡科马斯特斯大学）；Aix-Marseille University（艾克斯-马赛大学）
本文提出了一种基于观测器的鲁棒安全控制方法，用于严格反馈非线性系统，通过状态变换和线性时变扰动观测器实现安全控制设计。
2025-12-23 cs.SY eess.SY
Robustness Analysis of Systems' Safety through a New Notion of Input-to-State Safety
University of Groningen（格罗宁根大学）；Telkom University（Telkom 大学）
本文提出了一种新的鲁棒性概念，用于验证系统对外部扰动信号的安全性。该输入到状态安全（ISSf）概念允许在存在扰动的情况下验证系统的安全性，类似于用于分析系统稳定性输入到状态稳定性（ISS）概念。
2017-02-06 cs.SY eess.SY math.OC
Disturbance-Robust Backup Control Barrier Functions: Safety Under Uncertain Dynamics
Texas A&M University（德克萨斯农工大学）；Georgia Institute of Technology（佐治亚理工学院）；Wichita State University（威奇托州立大学）；Air Force Research Laboratory（空军研究实验室）
针对未建模扰动下现有备份控制障碍函数无法保证系统安全的问题，提出DR-bCBF方法，利用标称与受扰流边界构建扩张范数球管的前向不变集，通过鲁棒约束保障安全，仿真验证了其在双积分器和航天器旋转问题中的有效性。
2024-12-13 cs.RO cs.SY eess.SY
Consensus-based control for a network of diffusion PDEs with boundary local interaction
University of Cagliari（卡利亚里大学）；CICESE Research Center（墨西哥国家海洋科学研究中心）
本文提出基于共识的控制方法，用于驱动由边界控制热方程建模的网络状态趋同于共同稳态分布。采用分布式共识协议解决两个问题：一是使所有代理状态趋同于初始条件的空间平均稳态分布，二是处理边界扰动下的同步问题。
2015-09-22 cs.SY eess.SY
Robust Operational Space Control with Conformal Disturbance Bounds for Safe Redundant Manipulation
Department of Engineering Technology and the Department of Electrical and Computer Engineering, University of Houston（工程科技系和电气与计算机工程系，休斯顿大学）
提出结合扩展状态观测器和共形预测的鲁棒操作空间控制框架，在动态不确定性下实现冗余机械臂的精确任务空间跟踪与安全保证。
2026-07-02 cs.RO cs.SY eess.SY
Online Data-Driven Safety Certification for Systems Subject to Unknown Disturbances
本文提出一种在线数据驱动的安全性验证策略，通过滚动时域估计器在线表征未知干扰并结合计算图分析工具进行可达性计算，以实时验证自主系统避开危险区域，理论证明与无人水面艇硬件实验均验证了其有效性。
2023-10-30 cs.SY eess.SY
Safe Unicycle Navigation Among Multiple Obstacles Under Bounded Disturbances: A Learning-Augmented CLF-CBF Approach (Extended Version)
School of Computing, Institute of Science Tokyo（东京科学大学计算学院）；Department of Electrical Engineering, IIT Jodhpur（焦特布尔印度理工学院电气工程系）
本文提出学习增强的CLF-CBF框架，结合QP与鲁棒控制，实现有界扰动下独轮车在多障碍物间的安全导航，通过学习虚拟目标解决过窄间隙问题，仿真验证了方法有效性。
2026-11-03 cs.SY eess.SY
Resilient Estimator-based Control Barrier Functions for Dynamical Systems with Disturbances and Noise
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出RE-CBF方法，结合弹性估计器与随机CBF优化，解决动态系统在扰动和噪声下的路径规划安全问题，并通过仿真与真实无人机实验验证其有效性。
2024-06-28 cs.RO cs.SY eess.SY
Computation of safe disturbance sets using implicit RPI sets
针对受输出约束的稳定LTI系统，提出结合隐式RPI集与新型扰动集参数化的方法计算安全扰动集，在保证输出可达集含于约束集的前提下缩小二者距离，相较现有方法保守性更低、计算效率更高。
2023-09-12 cs.SY eess.SY
Safe Reinforcement Learning-Based Eco-Driving Control for Mixed Traffic Flows With Disturbances
针对混合交通流生态驾驶中RL安全保障不足、MPC难应对复杂任务与扰动的问题，提出融合基于管的增强型MPC与RL的安全框架，既提升能效又保障行驶安全。
2024-01-31 cs.SY eess.SY
Disturbance-to-State Stabilization and Quantized Control for Linear Hyperbolic Systems
LAAS–CNRS, Université de Toulouse（图卢兹大学）；Gipsa Lab–CNRS, University of Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
本文研究了利用一个边界点测量控制另一个边界点状态的线性双曲PDE系统，设计动态控制器以实现对测量误差的鲁棒性，并推导了扰动到状态估计，用于分析系统稳定性及量化控制下的实际稳定性。
2017-07-24 cs.SY eess.SY math.AP
Robust Direct Data-Driven Hamiltonian for Safe Set Computation under Measurement Noise and Disturbances
University of British Columbia（不列颠哥伦比亚大学）；University of California, Berkeley（加州大学伯克利分校）；University of California, Los Angeles（加州大学洛杉矶分校）
针对测量噪声和扰动，提出鲁棒数据驱动哈密顿量（R-DDH），从噪声数据中推导安全集的内近似，并证明其收敛性。
2026-06-17 cs.SY eess.SY
Safe Sequential Path Planning Under Disturbances and Imperfect Information
University of California, Berkeley（加州大学伯克利分校）
本文提出三种方法改进序列路径规划以应对动态扰动和不完全信息，通过不同信息共享假设提升多UAV系统安全性。
2017-06-08 cs.MA 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
Robust Control Barrier Functions for Safe Control Under Uncertainty Using Extended State Observer and Output Measurement
针对基于控制屏障函数的二次规划安全控制依赖精确模型与全状态的局限，提出结合扩展状态观测器与CBF、仅用输出测量的鲁棒安全控制方法，得到更低保守性的误差界，经仿真验证有效。
2023-08-26 cs.SY eess.SY
Safe Exploration Method for Reinforcement Learning under Existence of Disturbance
Fujitsu Limited（富士通有限公司）；Keio University（庆应义塾大学）
近年来，强化学习算法的快速发展为我们在许多领域提供了新的可能性。然而，由于其探索性，我们必须考虑到这些算法的风险，特别是在现实环境中的安全关键问题时，我们将其应用。在本研究中，我们处理一个在干扰存在下的强化学习安全探索问题。我们定义的安全学习过程中的约束条件的满足明确定义的状态，并提出了一种安全的探索方法，使用部分先验知识的控制对象和干扰。所提出的方法确保满足显式状态约束与预先指定的概率，即使被控对象暴露于随机干扰遵循正态分布。作为理论结果，我们引入了充分条件来构造不包含在所提出的方法中使用的探索方面的保守输入，并证明了所提出的方法在上述意义上的安全性是有保证的。最后，通过倒立摆和四杆并联机器人的数值仿真，验证了该方法的有效性。
2023-03-20 cs.AI cs.LG cs.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
A Satisficing Control Design Framework with Safety and Performance Guarantees for Constrained Systems under Disturbances
本文提出了一种安全鲁棒策略迭代（SR-PI）算法，用于设计既满足（足够好）性能又有安全保证的控制器。这与没有安全认证的标准基于PI的控制设计方法形成鲜明对比。它还远离现有的安全控制设计方法，执行逐点优化，因此是短视的。安全保证要求满足控制障碍函数（CBF），这可能与PI的每次迭代中产生的Bellman方程的性能驱动的李雅普诺夫解冲突。因此，需要一个新的发展，以稳健地证明在PI的每次迭代改进的策略的安全性。所提出的SR-PI算法统一的性能保证（由贝尔曼不等式提供）与安全保证（由一个强大的CBF提供）在每次迭代。Bellman不等式类似于满意决策框架，当与安全发生冲突时，用期望水平来参数化对性能的牺牲。该期望水平在每次迭代中被优化，以最小化对性能的牺牲。结果表明，所提出的满意的控制策略在SR-PI的每一次迭代获得保证鲁棒安全性和性能。当与安全性不冲突时，也保证了鲁棒稳定性。采用平方和（SOS）程序迭代实现了所提出的SR-PI算法。最后，数值模拟进行了说明所提出的满意控制框架。
2020-09-15 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
Leader-follower synchronization and ISS analysis for a network of boundary-controlled wave PDEs
一个网络的代理，建模一类波偏微分方程，正在调查中。网络中的一个智能体扮演领导者的角色，所有剩余的“追随者”智能体都需要渐近跟踪领导者的状态。只有边界感测代理的状态是假设的，每个代理通过边界由诺依曼型驱动控制。提出了一种线性交互协议，并通过基于李雅普诺夫的方法进行了分析。一组简单的调谐规则，保证指数同步的实现，得到。此外，指数ISS关系，表征边界和域内干扰的跟踪精度的影响，推导出闭环系统。
2020-05-24 cs.SY eess.SY
Determining Disturbance Recovery Conditions by Inverse Sensitivity Minimization
针对电力系统扰动影响评估中参数不精确的难题，提出参数空间恢复域与安全裕度概念，开发可在高维空间高效高精度计算的数值算法，经IEEE 39-bus系统验证可发现潜在安全隐患。
2025-01-13 cs.SY eess.SY
SEAL: Safety Enhanced Trajectory Planning and Control Framework for Quadrotor Flight in Complex Environments
针对四旋翼在风扰动和动态障碍物环境中的安全飞行问题，提出SEAL框架，通过广义比例积分观测器在规划与控制阶段同时估计风扰动，结合HJ可达性分析保证轨迹安全性，并采用NMPC控制器实现鲁棒跟踪。
2025-03-05 cs.SY eess.SY
Disturbance rejection control barrier functions
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Massachusetts Institute of Technology（麻省理工学院）
本文提出了一类扰动抑制控制屏障函数（DRCBFs），包括基于知识的DRCBFs（kDRCBFs）和互补偿的DRCBFs（rDRCBFs），以严格保证在一般有界扰动下的安全性，包括匹配和非匹配、可微和不可微的扰动情况，且rDRCBFs无需扰动信息。
2026-06-04 cs.SY eess.SY
Safe and Efficient Reinforcement Learning Using Disturbance-Observer-Based Control Barrier Functions
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
提出一种基于扰动观测器和控制障碍函数的安全强化学习方法，无需模型学习，通过精确估计不确定性生成安全动作，在独轮车和二维四旋翼仿真中降低了安全违规率并提升了样本与计算效率。
2023-08-28 cs.LG cs.RO cs.SY
Generative Modeling of Residuals for Real-Time Risk-Sensitive Safety with Discrete-Time Control Barrier Functions
本文提出基于生成式残差建模的ORIO控制器，结合离散时间控制障碍函数与CVAE学习干扰分布，实现对带悬吊负载四旋翼的实时风险敏感安全控制，在100Hz下运行且减少保守性。
2023-11-14 cs.SY eess.SY
Distributed Safe Learning and Planning for Multi-robot Systems
本文提出分布式安全学习与规划框架dSLAP，结合在线学习与运动规划，利用高斯过程回归学习扰动并量化不确定性，通过集值模型预测控制实现安全导航，并建立充分条件保证无备用策略下的安全性。
2025-05-26 cs.SY eess.SY
Unifying Direct and Indirect Learning for Safe Control of Linear Systems
针对不确定线性系统，本文用CMZ统一开环与闭环集合隶属学习以降低保守性，并通过线性规划学习保证多面体安全集λ收缩的自适应安全控制器。
2025-10-21 cs.SY eess.SY
Provably Safe Motion Planning Under Unknown Disturbances
Department of Aerospace Engineering Sciences at the University of Colorado Boulder（科罗拉多大学博尔德分校航空航天工程科学系）；Department of Aerospace and Ocean Engineering（航空航天与海洋工程系）；Delft University of Technology（代尔夫特理工大学）；Italian Institute of Artificial Intelligence（意大利人工智能研究所）
针对未知分布随机扰动下的机器人系统，提出一种基于Wasserstein模糊管的学习型采样运动规划算法，实现概率完备且保守性低的安全规划。
2026-05-30 cs.RO cs.SY eess.SY
Computing Safety Margins of Parameterized Nonlinear Systems for Vulnerability Assessment via Trajectory Sensitivities
本研究针对参数化非线性系统安全裕度计算难题，提出基于轨迹灵敏度的安全裕度新表征，推导了相关算法的适定性与收敛性保证，提升了算法普适性，可用于系统脆弱性评估。
2025-01-13 cs.SY eess.SY
Safe Autonomy for Uncrewed Surface Vehicles Using Adaptive Control and Reachability Analysis
Aurora Flight Sciences（极光飞行科学公司）；Massachusetts Institute of Technology（麻省理工学院）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）
本文提出结合MRAC与基于MHE的可达性分析的USV安全自主框架，可在线估计扰动、认证安全，并在实船与任务仿真中显著降低轨迹误差。
2024-10-01 cs.RO cs.SY eess.SY
SAC-Loco: Safe and Adjustable Compliant Quadrupedal Locomotion
Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系）；School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）
SAC-Loco提出了一种安全且可调节的四足机器人运动框架，通过可调节的扰动顺应性和鲁棒的故障预防，实现对外部力扰动的稳健响应。
2026-03-07 cs.RO cs.SY eess.SY
Disturbance Observer-based Robust Integral Control Barrier Functions for Nonlinear Systems with High Relative Degree
针对有界加性扰动下的非线性系统安全控制问题，提出结合非线性扰动观测器与积分控制屏障函数的方法，并扩展至高相对阶情形。
2023-09-29 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
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
Unified Disturbance Aware Safe Kinematic Control for Closed-Architecture Robots
Department of Engineering Technology, University of Houston, USA（工程技术系，休斯顿大学）；Department of Electrical and Computer Engineering, University of Houston, USA（电气与计算机工程系，休斯顿大学）；Department of Biomedical Engineering, The University of Ebolowa, Cameroon（生物医学工程系，埃博洛瓦大学）；Department of Mechanical Engineering, Cleveland State University, USA（机械工程系，克利夫兰州立大学）；Department of Mechanical Engineering, Clemson University, USA（机械工程系，克莱姆斯大学）
针对商业机器人系统中内环不可改的情况，结合干扰抑制控制与鲁棒控制障碍函数，在外环开发易于集成的附加装置，实现工业机械手动态系统高性能跟踪与安全控制，经实验验证其在多方面优于现有技术。
2026-07-21 cs.RO cs.SY eess.SY
Beyond Nonlinear Small-Gain Design: DADS with Partial-State Feedback
National Technical University of Athens（雅典国立技术大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）
本文研究了PDEs中部分状态调节问题，结合DADS和IOS方法，展示了在存在外部输入时无需假设扰动或参数界即可实现鲁棒调节的控制器设计。
2026-05-20 cs.SY eess.SY math.OC
