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
Information-Driven Active Perception for k-step Predictive Safety Monitoring
University of Florida（佛罗里达大学）
本文研究了在部分可观测随机系统中预测安全监控的主动感知策略合成，通过动态调度传感器查询以最大化未来状态安全性的信息增益，利用标记隐藏马尔可夫模型和确定有限自动机定义安全要求，提出基于k步香农条件熵最小化的规划目标。
2026-03-24 cs.SY eess.SY
Safe Stochastic Model Predictive Control
对安全关键型系统进行有效和安全的控制是一项挑战。鲁棒方法可能过于保守，而概率控制器需要在效率和安全之间进行权衡。在这项工作中，我们提出了一个安全的算法，是兼容的任何随机模型预测控制方法的线性系统添加剂的不确定性和多面体约束。该安全算法允许使用随机模型预测控制的乐观控制输入，只要安全的备用计划器可以确保安全性，以满足受有界不确定性的硬约束。除了保证安全的行为，所提出的随机模型预测控制算法保证递归的可行性和输入到状态稳定性的系统起源。安全的随机模型预测控制算法的好处是在数值模拟中证明，突出的优点相比，纯粹的鲁棒或随机预测控制器。
2022-09-15 cs.SY eess.SY
Model Predictive Control with High-Probability Safety Guarantee for Nonlinear Stochastic Systems
Georgia Institute of Technology（佐治亚理工学院）
该研究提出了一种适用于非线性随机系统的MPC框架，通过集侵蚀技术将概率安全约束转化为确定性约束，以高概率保证安全性，并通过理论分析和实验验证其有效性。
2025-12-15 cs.SY eess.SY
Advanced Safety Filter for Smooth Transient Operation of a Battery Energy Storage System
本文提出一种基于平方和优化与二次约束二次规划的先进安全滤波器，用于电池储能系统，在平滑限制电流的同时实现有限时间收敛，并通过负载阶跃仿真验证其优于标准矢量电流控制器。
2024-05-23 cs.SY eess.SY
Data-Driven and Stealthy Deactivation of Safety Filters
本文提出一种仅利用观测器输入输出数据识别模型并近似安全区域的隐蔽虚假数据注入攻击，可在无系统先验知识时停用安全滤波器，并在倒立摆上验证其有效性。
2024-12-02 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
Sampling-Based Safety Filter with Probabilistic Restrictiveness Guarantee
School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院）
本文提出一种模块化采样安全过滤器，通过Stein变分模型预测控制生成控制序列样本，以保证任意名义控制器的安全性，并在复杂非凸环境中有效捕捉多模安全区域。
2026-04-24 cs.SY eess.SY
Perception-Limited Smooth Safety Filtering
University of Quebec in Outaouais（魁北克大学阿塔巴斯卡分校）；Lakehead University（湖首大学）
本文提出两种基于感知的平滑安全过滤器，解决了有限感知条件下非线性系统安全控制中的非光滑切换问题，提升了系统安全性和鲁棒性。
2025-12-18 cs.SY eess.SY
A Modular Safety Filter for Safety-Certified Cyber-Physical Systems
针对网络化控制系统面临的网络攻击，本文提出一种可与现有控制器和检测器结合的模块化安全滤波器，无需命令可靠性信息，并通过20台移动机器人编队仿真验证其在不可检测智能攻击下的安全保障效果。
2025-05-15 cs.SY eess.SY
Adaptive Model Predictive Safety Certification for Learning-based Control -- Extended Version
针对具有有界扰动和不确定参数的线性系统，提出了一种基于学习的自适应模型预测安全认证（MPSC）方案，其中真实参数包含在先验已知的参数集合中. MPSC是一个模块化的框架，它可以与任何基于学习的控制器结合使用，以确保状态和输入约束满足动力系统通过解决在线优化问题。通过使用坚固的管将当前系统状态与安全端子组连续连接，可以确保安全性。因此，保守的安全干预措施的主要来源是模型的不确定性和短期规划的视野。我们开发了一种自适应机制来改进系统模型，该机制利用集成员估计来保证递归可行和非递减的安全性能改进。为了适应短期的预测视野，迭代安全集扩大使用以前计算的强大的备份计划。最后，我们说明了增加的安全性能，通过参数和安全集的适应数值例子与多达16个状态维度。
2021-09-29 cs.SY eess.SY
Distributed Model Predictive Safety Certification for Learning-based Control
虽然分布式算法通过需要较低的本地计算负载和较少的本地存储器为复杂的大规模系统的控制提供了优势，但是设计高性能的分布式控制策略是一项具有挑战性的任务。基于学习的控制算法为解决这一挑战提供了有希望的机会，但通常不能保证在状态和输入约束满足方面的安全性。最近提出的集中式线性系统的安全框架，通过匹配的学习为基础的输入在线与初始输入的模型预测控制法律能够驱动系统的终端集是安全的。我们扩展这个想法，得到一个分布式模型预测安全认证（DMPSC）计划，这是能够确保状态和输入约束的满足时，应用任何基于学习的控制算法的不确定分布式动态耦合线性系统。该方案是基于一个分布式的管为基础的模型预测控制（MPC）的概念，其中子系统之间的邻居协商本地管的尺寸，以减轻限制的安全方法。此外，我们提出了一种技术，用于生成一个结构化的椭球鲁棒正不变管。在数值模拟中，我们表明，安全框架，确保约束满足最初不安全的控制策略，并允许提高整体控制性能相比，强大的分布式MPC。
2021-09-30 cs.SY eess.SY
Probabilistic model predictive safety certification for learning-based control
强化学习（RL）方法已经在仿真环境中证明了其有效性。然而，RL提供巨大潜力的许多应用，例如自动驾驶，也是安全关键的，需要经过认证的闭环行为，以便在存在物理约束的情况下满足安全规范。本文介绍了一个概念，称为概率模型预测安全认证（PMPSC），它可以与任何RL算法相结合，并提供可证明的安全证书的状态和输入机会的限制潜在的大规模系统。该证书是通过一个随机管道实现的，该管道安全地将当前系统状态与已知安全的终端状态集连接起来。一种新的配方在一个凸的滚动时域问题允许递归可行的实时计算这样的概率管，尽管存在可能的无界干扰。PMPSC的设计过程依赖于baidu-inference和概率集不变性的最新进展。使用数值汽车模拟，该方法和它的设计过程说明了通过增强一个简单的RL算法的安全证书。
2021-01-18 cs.SY eess.SY
Robust Predictive Output-Feedback Safety Filter for Uncertain Nonlinear Control Systems
在现实世界的应用中，我们经常需要可靠的决策下动态不确定性使用嘈杂的高维传感器数据。最近，我们已经看到越来越多的基于学习的控制算法，以解决动态不确定性下的决策的挑战。这些算法通常对潜在的未知动态做出假设，因此可以提供安全保证。这对于其他广泛使用的基于学习的决策算法（如强化学习）更具挑战性。此外，大多数现有的方法假设访问状态测量，这在实践中可能是限制性的。在本文中，安全滤波器和鲁棒输出反馈控制的文献的启发，我们提出了一个鲁棒预测输出反馈安全滤波器（RPOF-SF）框架，提供安全认证的任意控制器应用于不确定的非线性控制系统。建议的RPOF-SF结合了一个鲁棒稳定的观测器，估计系统状态从嘈杂的测量数据和一个预测的安全过滤器，使任意的控制器安全（可能）最小限度地修改控制器的输入，以保证安全。我们在理论上表明，建议的RPOF-SF保证约束的满意度，尽管施加到系统的干扰。我们证明了所提出的RPOF-SF算法使用不确定的质量弹簧阻尼器系统的有效性。
2022-12-17 cs.SY eess.SY
Safety-based Speed Control of a Wheelchair using Robust Adaptive Model Predictive Control
电动轮椅在为行动不便人士提供无障碍环境方面扮演重要角色。在设计用于跟踪任务的控制器时，确保轮椅在不同应用场景和不同用户中的操作安全至关重要。在这项工作中，我们提出了一种基于安全的速度跟踪控制算法的轮椅系统与外部干扰和不确定参数在动态水平。应用集员方法在线估计不确定参数集，设计了一种在线自适应模型和控制参数的模型预测控制方案，以保证跟踪过程中的安全约束。所提出的控制器可以驱动轮椅的速度到一个期望的参考范围内的安全约束。对于违反约束的不可容许参考，所提出的控制器可以引导系统到最近的可容许参考的邻域。基于两个包含可行参考和不可行参考的任务的高保真速度跟踪结果，验证了所提出的控制方案的有效性。
2022-10-06 cs.SY eess.SY
Practical Considerations for Discrete-Time Implementations of Continuous-Time Control Barrier Function-Based Safety Filters
针对连续时间基于控制屏障函数的安全滤波器离散时间实现中，CBF相对控制输入的李导数幅值近零引发的抖振或约束违反问题，提出三种缓解策略，经仿真和真实四旋翼验证可保障安全集内所有状态的安全性。
2024-04-18 cs.SY eess.SY
Preventing Inactive CBF Safety Filters Caused by Invalid Relative Degree Assumptions
针对CBF安全滤波器因相对阶假设无效而失效的问题，提出基于多CBF的缓解策略并推导采样时间上界，经仿真和四旋翼实验验证有效。
2025-09-03 cs.SY eess.SY
Geometry-Aware Predictive Safety Filters on Humanoids: From Poisson Safety Functions to CBF Constrained MPC
Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系，加州理工学院）
针对腿式机器人非对称几何的安全轨迹规划问题，提出基于泊松安全函数和CBF约束MPC的几何感知预测安全滤波器，实现实时在线安全导航。
2025-08-15 cs.RO cs.SY eess.SY
Communication-Aware and Safety-Aware UAV Control via Predictive Latent Models
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）
提出CRPL框架，结合联合嵌入预测架构与概率通信和安全约束，通过递归多步预测优化无人机运动与传输功率，在有限带宽下降低终端误差和中断时间。
2026-07-02 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
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 Predictive and Sampled-Data Barrier Method for Safe and Efficient Quadrotor Control
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
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
Secure Safety Filter Design for Sampled-data Nonlinear Systems under Sensor Spoofing Attacks
针对传感器欺骗攻击下非线性系统的安全防护问题，提出融合安全状态估计与控制障碍函数安全滤波器的设计，并在精确及松弛可观测性情形下给出理论保证与数值验证。
2025-05-11 cs.SY eess.SY
Safety-Critical Model Predictive Control with Discrete-Time Control Barrier Function
University of California, Berkeley（加利福尼亚大学伯克利分校）
机器人系统的最优性能通常是在状态和输入界的极限附近实现的。模型预测控制（MPC）是处理这些操作约束的流行策略，然而，安全性仍然是MPC的公开挑战，因为它需要保证系统保持在不变集内。为了获得安全的最佳性能的背景下的集合不变，我们提出了一种安全关键的模型预测控制策略，利用离散时间控制障碍函数（CBF），保证系统的安全性，并通过模型预测控制实现最佳性能。我们分析了我们的控制设计的稳定性和可行性。我们验证了我们的方法的属性上的二维双积分器避障模型。我们还验证了算法数值上使用的竞争激烈的赛车的例子，自我车能够超越其他赛车。
2021-03-23 cs.RO cs.SY eess.SY
Cognitive-Flexible Control via Latent Model Reorganization with Predictive Safety Guarantees
King Mongkut’s University of Technology Thonburi（泰国孔敬理工大学）
本文提出认知灵活控制框架，通过动态重组潜在表示并结合贝叶斯MPC，实现安全且高效的非平稳网络物理系统控制。
2026-03-07 cs.SY eess.SY
Differentiable Predictive Control with Safety Guarantees: A Control Barrier Function Approach
Pacific Northwest National Laboratory（太平洋西北国家实验室）；Battelle Memorial Institute（巴特尔纪念研究所）
提出了一种基于控制障碍函数的具有安全性和鲁棒性保证的微分预测控制方法。DPC是一种基于无监督学习的方法，用于获得显式模型预测控制（MPC）问题的近似解。在DPC中，由神经网络参数化的预测控制策略通过MPC问题的自动微分获得的直接策略梯度离线优化。所提出的方法利用一种新形式的采样数据障碍函数，以执行离线和在线的DPC设置的安全要求，同时只中断基于神经网络的控制器附近的边界的安全集。仿真结果表明了该方法的有效性。
2022-08-03 cs.LG cs.SY eess.SY
Deep QP Safety Filter: Model-free Learning for Reachability-based Safety Filter
Seoul National University（首尔国立大学）
本文提出深度QP安全过滤器，通过结合HJ可达性与模型无关学习，无需模型知识学习QP安全过滤器，有效减少预收敛失败并加速学习，提供了一种安全、实用的模型无关控制方法。
2026-04-14 cs.RO 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
Analytical Construction of CBF-Based Safety Filters for Simultaneous State and Input Constraints (Extended Version)
本文针对受输入限制的链式积分器系统，推导出一种解析且易实现的安全滤波器，能在同时满足状态与输入约束的前提下确保正向不变性，并扩展至多输入多输出系统，以牺牲部分保守性换取任意阶数下的解析递归解。
2024-12-22 cs.SY eess.SY
Run Time Assurance for Safety-Critical Systems: An Introduction to Safety Filtering Approaches for Complex Control Systems
运行时间保证（RTA）系统是在线验证机制，过滤未经验证的主控制器输出，以确保系统安全。主要控制可以来自人类操作员、高级控制方法或自主控制方法，其不能被验证到与更简单的控制系统设计相同的水平。RTA系统的关键特征是它们能够明确地改变不安全的控制输入以确保安全。在许多情况下，RTA系统在功能上可以被描述为包含监视器和备用控制器，监视器监视系统的状态和主控制器的输出，备用控制器在必要时替换或修改控制输入以确保安全。RTA系统的一个重要特性是，保证机制的构建方式与主要控制者的底层结构完全无关。通过有效地将安全约束的执行与性能相关的目标解耦，RTA提供了许多优于传统（离线）验证的有用优势。本文提供了一个关于开发RTA系统的教程。
2022-06-06 cs.SY eess.SY
Robust Safety Filters for Lipschitz-Bounded Adaptive Closed-Loop Systems with Structured Uncertainties
German Aerospace Center (DLR)（德国航空航天中心）；Massachusetts Institute of Technology（麻省理工学院）
针对自适应控制系统的瞬态安全问题，提出一种基于参考的自适应安全框架，利用Lipschitz有界跟踪误差推导鲁棒CBF条件并转化为凸SOCP，减少保守性并保证前向不变性和闭环稳定性。
2026-06-19 cs.SY eess.SY
A predictive safety filter for learning-based control of constrained nonlinear dynamical systems
Institute for Dynamic Systems and Control, ETH Zurich, Zurich, Switzerland（动态系统与控制研究所，苏黎世联邦理工学院，瑞士苏黎世）
本文提出了一种预测安全过滤器，用于基于学习的控制中处理物理限制下的安全问题，通过将约束动力学系统转换为无约束安全系统，使任何强化学习算法都能直接应用。
2021-05-17 cs.LG cs.SY eess.SY
Safe Importance Sampling in Model Predictive Path Integral Control
我们介绍了嵌入式障碍状态控制下的重要性采样的概念，题为安全控制模型预测路径积分控制（SC-MPPI）。对于在具有多个约束的环境中操作的机器人系统，在执行优化时，硬约束通常利用惩罚函数来编码。利用基于优化的技术（例如控制障碍函数）的替代方案可以用作安全过滤器以确保系统不违反给定的硬约束。相比之下，这项工作利用了安全滤波器的原理，但在模型预测路径积分控制的前向采样期间应用它。所得到的前向样本集可以在安全控制器的域内保持安全，从而提高样本效率并允许改进对状态空间的探索。我们通过类似于信息理论MPPI的信息理论原理推导出该控制器。我们的经验表明，优越的采样效率，探索和系统性能的SC-MPPI相比，模型预测路径积分控制（MPPI）和微分动态规划（DDP）优化屏障状态。
2023-03-06 cs.SY eess.SY
Tunable Real-Time Safety Filters via Set-Based Control Barrier Functions
Corporate Research Robert Bosch GmbH（罗伯特博世集团企业研究部）
提出一种将凸控制不变集通过闵可夫斯基泛函转化为可调障碍函数的安全滤波器，以单层二次规划实现干预强度可调，保证约束满足和渐近恢复。
2026-06-08 cs.SY eess.SY
Feasibility-Guided Safety-Aware Model Predictive Control for Jump Markov Linear Systems
针对跳跃马尔可夫线性系统的模式不确定性与安全控制问题，提出可行性引导的安全感知MPC框架，结合控制屏障函数实现有限时域安全，实验验证其提升了系统安全性与性能。
2024-09-15 cs.SY eess.SY
Empirical Pedestrian Safety Assessment in a Mobile Robot Using a Predictive Social Force Model
National Cheng Kung University（国立成功大学）
研究移动机器人与行人共享人行道时的安全评估，通过整合预测社会力向量引入PSFM和PTSFM，在非完整移动机器人上实验，证实PTTC集成可提升安全指标，预测贡献有限，单行人场景中预测带来的额外好处不多。
2026-07-13 cs.RO cs.SY eess.SY
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
Uncertainty-Aware Predictive Safety Filters for Probabilistic Neural Network Dynamics
Institute for Data Science in Mechanical Engineering (DSME), RWTH Aachen University（机械工程数据科学研究所（DSME），亚琛工业大学）；Institute of Climate and Energy Systems (ICE), Energy Systems Engineering (ICE-1), Forschungszentrum Jülich GmbH（气候与能源系统研究所（ICE），能源系统工程（ICE-1），焦耳研究中心有限公司）
本文提出了一种具有不确定性的预测安全过滤器（UPSi），通过将未来结果建模为可达集，利用概率集合（PE）神经网络动态模型提供严格的安全预测，从而在模型基于强化学习（MBRL）中提升探索安全性，同时保持与标准MBRL相当的性能。
2026-08-11 cs.LG cs.SY eess.SY
Safety Filtering for Reinforcement Learning-based Adaptive Cruise Control
基于强化学习（RL）的自适应巡航控制系统（ACC）学习并适应道路、交通和车辆状况，对于提高车辆能量效率和交通流量具有吸引力。然而，RL在安全关键系统（如ACC）中的应用需要强有力的安全保证，这是很难实现的学习代理，有一个基本的需要探索。在本文中，我们推导出控制障碍函数作为安全过滤器，允许基于RL的ACC控制器在碰撞安全集内自由探索。具体而言，我们推导出控制障碍函数的高相对度非线性系统考虑到惯性效应有关的商用车。我们还概述了一个算法，用于容纳驱动饱和与这些障碍函数。虽然任何RL算法都可以用作性能ACC控制器与这些过滤器，我们实现了最大后验策略优化（MPO）算法与混合行动空间，学习燃料最佳档位选择和扭矩控制策略。安全过滤RL方法与仅在充分训练后学习以避免冲突的奖励整形RL方法形成对比。在不同的驱动周期的评价表明，所提出的方法相比，基线ACC算法的燃油经济性显着改善。
2023-01-02 cs.SY eess.SY
Characterizing Smooth Safety Filters via the Implicit Function Theorem
California Institute of Technology（加州理工学院）
本文利用隐函数定理刻画光滑安全滤波器，提出可量化保守性的光滑通用公式，为安全关键控制提供最小侵入且光滑的控制器设计方法。
2023-09-22 cs.RO cs.SY eess.SY
Simultaneous Lane-Keeping and Obstacle Avoidance by Combining Model Predictive Control and Control Barrier Functions
本文将模型预测控制（MPC）与控制障碍函数（CBF）设计方法相结合，提出了一种同时实现车道保持和避障的递阶控制律：在低层，MPC通过轨迹跟踪实现车道保持和避障;在高层次上，设计了不同的基于CBF的安全滤波器，确保LK和OA在一些实际场景中进行比较。特别是，我们表明，指数安全（ESf）和规定时间安全（PTSf）过滤器，在必要时覆盖MPC控制，导致可行的二次规划时，安全的优先级适当。我们还研究控制设计输入约束，通过使用输入约束CBF。最后，我们比较了ESf，PTSf，和他们的输入受限的同行的组合的性能相对于LK和OA的目标在两个模拟研究早期和晚期检测到的障碍物的情况。
2022-04-13 cs.SY eess.SY
Transient Safety Filter Design for Grid-Forming Inverters
与传统发电机不同，基于逆变器的发电不具有任何旋转惯性。虽然电网形成逆变器可以通过先进的反馈控制回路合成小（虚拟）惯性，但需要额外的控制机制来确保电网在瞬态期间的安全性。在本文中，我们提出了新的实时安全约束反馈控制器（“安全滤波器”）下垂为基础的（电网形成）逆变器，以确保电网的瞬态安全。安全滤波器充当网络操作层和逆变器控制层之间的缓冲器，并且仅让那些调度控制信号传递到逆变器下垂控制器，其保证不违反安全规范（频率、电压、电流限制）。使用分布式屏障证书的方法，我们构造的允许控制输入，保证瞬态安全规格的满足状态包含的界限。采用平方和规划法综合安全滤波器。数值仿真结果表明，所提出的滤波器在基于逆变器的微电网的性能。
2020-03-23 cs.SY eess.SY math.OC
Local Safety Filters for Networked Systems via Two-Time-Scale Design
Boston University（波士顿大学）
本文提出一种适用于网络化系统的局部安全滤波器设计方法，通过双时间尺度动态实现，解决全局耦合和通信需求带来的实施难题，并量化安全退化与时间尺度参数、估计误差之间的权衡。
2026-04-12 cs.SY eess.SY math.OC
Stability Margins of CBF-QP Safety Filters: Analysis and Synthesis
California Institute of Technology（加州理工学院）
本文研究了CBF-QP安全过滤器的稳定性边距，通过线性系统单个仿射安全约束的精确标量回路表示，提出基于LMI的稳定性边距认证方法，展示了安全过滤器系统稳定性增强的数值示例。
2026-04-05 cs.SY eess.SY math.OC
Safety Critical Model Predictive Control Using Discrete-Time Control Density Functions
Clemson University（克莱姆森大学）
本文提出MPC-CDF方法，将控制密度函数融入模型预测控制框架，在离散时间下确保非线性系统的收敛与安全，并在水下航行器自主导航中验证了其避障与安全性能。
2025-09-16 cs.RO cs.SY eess.SY
Curvature-Guided Safety Filters: State-Dependent Hessian-Weighted Projection with Provable Performance Bounds
Institute of Future Technologies, Shanghai University（上海大学未来技术学院）
本文提出了一种基于曲率引导的Hessian加权投影方法，用于提升安全过滤器的性能，通过状态依赖的投影保持凸性并减少价值退化。
2026-02-13 cs.SY eess.SY
Model Predictive Control for Safety-Critical Systems Using Taylor's Theorem with Lagrange Remainder
Boston University（波士顿大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Nanyang Technological University（南洋理工大学）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；University of Maryland, College Park（马里兰大学帕克分校）
本文提出基于泰勒展开与拉格朗日余项的MPC（MPC-TLR），通过数值近似余项并引入可调裕度，在避障任务中实现比高阶CBF方法更安全、更少参数且更不保守的控制。
2026-10-07 cs.SY eess.SY
Learning for Layered Safety-Critical Control with Predictive Control Barrier Functions
Caltech（加州理工学院）
针对降阶与全阶模型差异导致的安全违规，本文提出预测CBF，通过并行仿真学习预测鲁棒性项并在分层控制中保证安全性，且在三维跳跃机器人上验证。
2024-12-05 cs.LG cs.RO cs.SY
Linear model predictive safety certification for learning-based control
ETH Zurich（苏黎世联邦理工学院）
本文提出了一种模型预测安全认证（MPSC）方案，用于具有加性扰动的多边形线性系统，以解决基于学习的控制器缺乏安全保证的问题。通过引入MPC来确保系统在安全目标集内运行，并通过场景优化提出了一种实用的数据驱动设计方法。
2019-04-08 cs.LG cs.SY eess.SY
Data-Driven Safety Filter: An Input-Output Perspective
针对学习控制缺乏安全保证的问题，本文提出基于行为系统理论的数据驱动安全滤波器，仅需离线轨迹数据即可将不安全输入转为安全输入，无需模型和状态估计，并在仿真中验证了有效性。
2023-09-01 cs.SY eess.SY
Safety Filter for Limiting the Current of Grid-Forming Matrix Modular Multilevel Converters
本文提出基于控制屏障函数的安全滤波器，以二次规划实时限制构网型矩阵模块化多电平换流器故障电流，并通过平方和优化离线提供安全证明，在保持构网行为的同时实现平滑恢复。
2025-03-13 cs.SY eess.SY
Learning-Enabled Iterative Convex Optimization for Safety-Critical Model Predictive Control
本文提出一种启用学习的模型预测控制框架，结合离散时间高阶控制障碍函数与迭代凸优化，通过神经网络学习未知复杂不安全集边界，在保证安全的同时加速计算。
2025-09-14 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
