Modular Safety-Critical Control of Legged Robots
Bogazici University(博阿齐奇大学)
足式机器人的操作过程中的安全问题必须得到解决,使其广泛使用。使用基于模型的约束的基于机器学习的控制方法为提高机器人安全性提供了有前途的手段。本研究提出了一种模块化的安全过滤器,以提高安全的足式机器人,即,减少跌倒的机会。先决条件是机器人能够移动,即,存在标称控制器。在运动过程中,通过机器学习估计机器人周围的地形属性,该机器学习使用最小的本体感受信号集。一种新的深度学习模型,利用高效的Transformer架构,用于地形估计。一个二次规划相结合的地形估计与逆动力学和一个新的指数控制障碍函数约束过滤和认证的标称控制信号。其结果是一个最佳控制器,作为一个过滤器。经滤波的控制信号允许机器人的安全运动。由此产生的方法是可推广的,并可以与低的努力转移到任何其他腿系统。
2023-03-04 cs.LG cs.RO cs.SY
Online Adaptive Probabilistic Safety Certificate with Language Guidance
Carnegie Mellon University(卡内基梅隆大学);University of Hyogo(兵库大学)
本文提出一种语言指导的自适应概率安全证书框架,用于在不确定环境中保障长期安全,同时适应人类偏好变化。
2026-05-08 cs.SY eess.SY
Safety-Critical Adaptive Control with Nonlinear Reference Model Systems
针对不确定非线性系统,提出了一种模型参考自适应控制结构,以达到预定的性能保证。具体而言,一般的非线性参考模型系统被认为是捕捉一个理想的和安全的系统行为。一个自适应控制架构,然后提出了抑制系统的不确定性的影响,没有任何先验知识的幅度和速率上界。更重要的是,所提出的控制架构强制系统状态轨迹演变在用户指定的距离内的参考系统轨迹,满足安全约束。这消除了在模型参考自适应控制中通常需要的自适应速率的自组织调整过程以确保安全性。所提出的控制架构的功效也证明了通过一个说明性的数值例子。
2020-04-13 cs.SY eess.SY
Adaptive Safety with Control Barrier Functions and Triggered Batch Least-Squares Identifier
针对控制目标与安全约束冲突的不确定系统,提出融合CLF/CBF二次规划、松弛项与触发式BaLSI的自适应安全控制方案,保证安全集前向不变、避免无界估计并排除Zeno行为。
2024-10-24 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
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
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
High Order Tuners for Adaptive Safety of Robotic Systems
North Carolina State University(北卡罗来纳州立大学)
本文提出高阶调节器用于改善自适应安全性的理论条件,通过解耦适应增益条件与系统初始条件,提升非线性系统在参数不确定性下的安全性与性能。
2026-04-15 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
Robust Adaptive Safety-Critical Control for Unknown Systems with Finite-Time Element-Wise Parameter Estimation
安全性始终是系统控制的最关键原则之一。利用控制障碍函数(CBF)方法研究了结构未知系统的安全临界控制方案。利用动态回归扩展与混合(DREM)方法,提出了一种扩展的逐单元参数辨识方法。一方面,它表明,所提出的控制方案可以始终保证安全的识别过程中的噪声信号注入激励,这是没有考虑在以前的研究。另一方面,与其他现有的自适应CBF算法相比,DREM中的逐元素估计过程可以最小化安全自适应过程的保守性。证明了所提出的安全控制估计方案的稳定性和前向不变性。此外,在有界干扰下,该方案的鲁棒性进行了分析,其中一个稳健的CBF与适度的条件,以确保安全性。通过自适应巡航控制的仿真,证明了该控制框架的有效性,即在有限时间内对小扰动鲁棒地估计了跟随车辆的斜坡阻力,从而避免了潜在的碰撞风险。
2022-01-14 cs.SY eess.SY
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
Distributed Predictive Control Barrier Functions: Towards Scalable Safety Certification in Modular Multi-Agent Systems
Institute for Dynamic Systems and Control, ETH Zurich(苏黎世联邦理工学院动态系统与控制研究所);University of California Berkeley(加州大学伯克利分校)
本文提出分布式预测性控制屏障函数(D-PCBF)作为多智能体系统的安全框架,通过模型预测确保在动态网络拓扑变化下的可恢复安全性,并通过仿真和实验证明其有效性。
2026-03-31 cs.RO cs.SY eess.SY
Enhancing Safety in Nonlinear Systems: Design and Stability Analysis of Adaptive Cruise Control
本研究提出一种基于控制屏障函数的安全控制方法,将安全条件转化为约束,应用于自适应巡航控制,仿真验证了在保证安全的同时不牺牲控制性能。
2024-01-22 cs.SY eess.SY
Uncertainty Quantification for Recursive Estimation in Adaptive Safety-Critical Control
针对自适应安全关键控制场景,提出基于RLS参数估计仿射特性、用zonotope实现集合估计传播的不确定性量化框架,可结合控制屏障函数合成带扰动系统的安全控制器,经示例验证有效。
2024-03-12 cs.SY eess.SY
Learning-Based Modular Indirect Adaptive Control for a Class of Nonlinear Systems
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);University of Notre Dame(圣母大学)
本文提出一种基于学习的模块化间接自适应控制器,用于具有参数不确定性的非线性系统轨迹跟踪控制,结合鲁棒状态反馈与无模型学习算法以提高控制性能。
2015-09-25 cs.SY eess.SY
Data-Attributed Adaptive Control Barrier Functions: Safety-Certified Training Data Curation via Influence Analysis
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出数据属性自适应控制屏障函数(DA-CBF),通过影响分析实现安全认证的训练数据筛选,改进了安全损失代理与控制屏障函数约束边界的关联,提升了闭环安全保证。
2026-04-01 cs.SY eess.SY
Adaptive Reduced-Attitude Control for Spacecraft Boresight Alignment with Safety Constraints and Accuracy Requirements
本文研究航天器视线对准控制问题,提出结合APF和PPC的改进复合框架,并引入I&I自适应技术解决参数不确定性,确保安全约束与精度要求,实现闭环系统渐近收敛。
2023-09-18 cs.SY eess.SY
Flight Envelope Protection for a Hypersonic Glide Vehicle Using Adaptive Safety-Critical Control
German Aerospace Center(德国航空航天中心);Massachusetts Institute of Technology(麻省理工学院)
针对高超声速滑翔飞行器模型不确定性下的飞行包线保护问题,提出自适应安全关键控制框架,通过输入端的CCRM自适应控制器和状态端的EBSF安全滤波器处理约束,仿真表明该框架能在控制输入受限及模型不确定时保持飞行包线约束并稳定跟踪。
2026-07-28 cs.SY eess.SY
Event-Triggered Adaptive Taylor-Lagrange Control for Safety-Critical Systems
Boston University(波士顿大学);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)
本文研究了非线性系统在采样数据控制器实现下的安全关键控制,提出自适应泰勒-拉格朗日控制框架,通过事件触发机制动态调整时间尺度,提升可行性与安全性。
2026-10-06 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
Auxiliary-Variable Adaptive Control Barrier Functions
针对现有CBF-QPs在混合相对度约束和时变控制边界下的可行性问题,提出AVCBFs框架,通过在辅助函数中引入辅助变量动态调整约束,并配合自动调参方法,有效提升控制系统的安全性与可行性。
2025-03-06 cs.SY eess.SY
Multivariable control of modular multilevel converters with convergence and safety guarantees
本文针对模块化多电平换流器电流控制提出基于物理信息变换与线性矩阵不等式的多变量静态反馈增益设计方法,保证跟踪误差、稳定性与约束满足,并通过仿真和AC/AC MMC原型验证其在电动汽车超快速充电中的有效性。
2024-03-27 cs.SY eess.SY
Minimizing Conservatism in Safety-Critical Control for Input-Delayed Systems via Adaptive Delay Estimation
针对输入时延易引发系统安全违规、现有DaCBFs方法保守性较高的问题,本文提出结合扰动观测器与非线性规划的在线自适应安全控制框架,可缩小时延估计误差上界,在网联卡车场景验证了其能有效降低DaCBFs保守性。
2025-11-19 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
MPC-CBF with Adaptive Safety Margins for Safety-critical Teleoperation over Imperfect Network Connections
针对网络延迟下的安全关键遥操作,提出结合MPC与自适应安全裕度的CBF方法,在降低保守性的同时确保避障,并经仿真和真实机械臂验证。
2024-03-27 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
Unmatched Control Barrier Functions: Certainty Equivalence Adaptive Safety
University of California, Los Angeles(加利福尼亚大学洛杉矶分校);Massachusetts Institute of Technology(麻省理工学院)
本文将通用自适应控制应用于控制障碍函数,以实现安全集的前向不变性,尽管存在不匹配的参数不确定性。该方法结合了两种想法。首先是构造一系列控制障碍函数,以确保系统对所有可能的模型都是安全的。第二种是使用在线参数自适应,从允许的集合中有条理地选择控制障碍函数和相应的安全控制器。虽然这样的组合并不一定会产生向前的不变性,没有额外的要求上的障碍函数,我们表明,这种不变性可以通过简单地调整适应增益在线建立。它还表明,所开发的方法是适用于系统的安全约束,具有一个相对程度大于1。因此,这项工作代表了第一个自适应安全的方法,成功地采用了一般状态约束的确定性等价原则,而不牺牲安全保证。
2022-08-16 cs.RO cs.SY eess.SY
Safe Output-Feedback Adaptive Optimal Control of Affine Nonlinear Systems
University of Florida(佛罗里达大学);Air Force Research Laboratory(空军研究实验室)
本文提出一种集成状态与参数估计的安全自适应最优控制方法,利用鲁棒化控制障碍函数守护控制器保证无全状态测量下的安全与镇定,并通过李雅普诺夫分析及仿真验证其有效性。
2025-10-22 cs.SY eess.SY
Robust Adaptive Backup Control Barrier Functions
Illinois Institute of Technology(伊利诺伊理工学院);California Institute of Technology(加州理工学院);Wichita State University(威奇托州立大学)
针对含参数不确定性的非线性控制仿射系统,提出鲁棒自适应备份控制障碍函数。用按元素认证的自适应估计器估计未知参数,计算备份流并收紧安全条件,还用基于对偶性的重新表述处理驱动矩阵不确定性,证明该方法能保证系统在相关情况下的安全性。
2026-11-10 cs.SY eess.SY
Safe Output-Feedback Adaptive Optimal Control of Input-Constrained Control-Affine Nonlinear Systems
University of Florida(佛罗里达大学);Air Force Research Laboratory(空军研究实验室)
针对部分可观测系统,提出一种在线安全输出反馈自适应最优控制框架,结合LMI观测器与近似动态规划,通过重定心鲁棒Lyapunov类障碍函数保证安全性和稳定性。
2026-06-18 cs.SY eess.SY
Adaptive Safe Reinforcement Learning-Enabled Optimization of Battery Fast-Charging Protocols
针对强化学习优化电池快充时可能违反安全约束的问题,提出含静态与动态GP安全区域及动作投影的自适应安全RL框架,实现变工况下快速充电并满足约束。
2024-06-18 cs.SY eess.SY
Composite Adaptive Control Barrier Functions for Safety-Critical Systems with Parametric Uncertainty
University of South Alabama(南阿拉巴马大学)
本文提出了一种适用于具有线性参数不确定性的非线性控制仿函数系统的复合自适应控制屏障函数算法,通过复合能量函数设计适应律,保证系统安全性和稳定性。
2026-09-30 cs.SY eess.SY math.OC
An Adaptive-Sampling Control Framework for Constrained Linear Systems with Robust Safety Guarantees
University of California, Berkeley(加州大学伯克利分校);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
本文提出一种自适应采样控制框架,通过离线预计算不变集和在线实时计算MPC更新速率,在保证鲁棒约束满足的同时实现有限时间转换,并在巡航控制仿真中验证了其有效性。
2026-09-22 cs.SY eess.SY
Safety-Driven Battery Charging: A Fisher Information-guided Adaptive MPC with Real-time Parameter Identification
针对电池模型参数可辨识性差影响安全充电的问题,提出融合 FI 理论与 MPC 的自适应控制方法,利用 FI 指标引导实时参数估计,仿真验证其可缓解辨识难题。
2024-06-12 cs.SY eess.SY
Adaptive Safety Evaluation for Connected and Automated Vehicles with Sparse Control Variates
针对CAV安全评估中高维场景效率低的问题,提出利用测试结果优化稀疏控制变量以减小评估方差,并通过理论分析与高维超车场景实证验证其有效性。
2022-12-01 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
Hazard Analysis for Self-Adaptive Systems Using System-Theoretic Process Analysis
本文提出了一种针对自适应系统的STPA设计时扩展方法,通过导出参考模型和分析义务支持STPA活动,并验证了其在安全关键自适应系统危害分析中的适用性。
2023-04-01 cs.SE cs.SY eess.SY
Structural Diagnosability Analysis of Switched and Modular Battery Packs
本研究分析开关与模块化电池组的结构可诊断性,探索传感器布置与系统配置,发现默认传感器不足且子模块电流传感器贡献有限,组合配置对实现最优故障隔离至关重要。
2023-12-27 cs.SY eess.SY
When World Models Lie: Adaptive Safety Analysis Under Wrong Imaginations
Stanford University(斯坦福大学)
针对世界模型预测错误导致的安全估计过度自信问题,提出一种自适应潜在安全过滤器,利用观测到的模型误差构建不确定性集合并悲观评估安全性,在仿真和硬件实验中减少了失败并保持任务完成。
2026-09-29 cs.AI cs.RO cs.SY
Safe Control using Learned Safety Filters and Adaptive Conformal Inference
Computer Science & Engineering(计算机科学与工程系)
本文提出ACoFi方法,结合学习的Hamilton-Jacobi可达性安全过滤器与自适应符合推断,动态调整切换准则以保证安全评估的不确定性被有效控制,通过仿真验证其在高维空间中优于传统方法。
2026-04-20 cs.LG cs.RO cs.SY
An Error-Based Safety Buffer for Safe Adaptive Control (Extended Version)
本文提出了一种基于误差的安全缓冲器方法,用于安全自适应控制,通过结合自适应与控制屏障函数,实现稳定性、性能和安全性的保障,且在参数不确定性下保持非保守性。
2026-01-12 cs.SY eess.SY math.OC
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
Adaptive Admittance Control for Safety-Critical Physical Human Robot Collaboration
Queen’s University Belfast(贝尔法斯特女王大学);University of Warwick(华威大学)
物理人机协作需要严格的安全保证,因为机器人和人类在共享的工作空间中工作。这封信提出了一种新的控制框架,以处理安全关键的位置为基础的限制,人与机器人的物理交互。所提出的方法是基于导纳控制,指数控制障碍函数(ECBFs)和二次规划(QP),以实现符合人与机器人之间的力的相互作用,同时保证安全约束。特别地,导纳控制的公式被重写为二阶非线性控制系统,人与机器人之间的相互作用力被视为控制输入。通过使用ECBFs-QP框架作为外部人力的补偿器,实时提供用于导纳控制的虚拟力反馈。一个安全的轨迹,因此,来自所提出的自适应导纳控制方案的低级别控制器跟踪。所提出的方法的创新之处在于,所提出的控制器将使机器人能够遵守人类的力量与自然的流动性,而不违反任何安全约束,即使在人类外力偶然迫使机器人违反约束的情况下。我们的方法的有效性证明在两连杆平面机器人操作器的仿真研究。
2022-08-09 cs.RO cs.SY eess.SY
Safety-Critical Adaptive Impedance Control via Nonsmooth Control Barrier Functions under State and Input Constraints
Department of Electrical and Electronic Engineering, The University of Manchester(电气与电子工程系,曼彻斯特大学)
提出一种在线自适应阻抗控制框架,结合二次规划安全滤波器与新型组合位置-速度非光滑控制障碍函数,在不确定动力学下实现关节状态安全约束与柔顺交互,并通过区间二型模糊逻辑补偿未知动力学、软约束处理执行器力矩限制,利用复合Lyapunov分析证明安全集前向不变性与阻抗跟踪误差一致最终有界。
2026-06-03 cs.RO cs.SY eess.SY
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
Safety Embedded Adaptive Control Using Barrier States
Electrical and Computer Engineering Department, Carnegie Mellon University(卡内基梅隆大学电气与计算机工程系);School of Electrical and Computer Engineering, Georgia Institute of Technology(佐治亚理工学院电气与计算机工程学院);Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
本研究提出基于屏障状态的安全自适应控制框架,通过增广系统并利用控制李雅普诺夫函数设计控制器,在保证安全的同时满足性能目标,并在四旋翼和自适应巡航系统中验证有效性。
2025-04-21 cs.RO cs.SY eess.SY
APIKS: A Modular ROS2 Framework for Rapid Prototyping and Validation of Automated Driving Systems
本文提出APIKS,一个基于ROS2的模块化框架,用于自动驾驶系统快速原型开发与验证,并通过施工区辅助系统用例展示其有效性。
2025-02-27 cs.SE cs.SY eess.SY
Domain Adaptive Safety Filters via Deep Operator Learning
Johns Hopkins University(约翰斯·霍普金斯大学);Microsoft Research(微软研究院)
本文提出一种自监督深度算子学习框架,通过学习环境参数到控制屏障函数的映射来避免重新训练,实现跨环境的安全控制自适应。
2024-10-18 cs.LG cs.RO cs.SY
Adaptive Safety Filtering for Frozen ACC Policies via Conformal Residual Calibration
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Wuhan University of Technology(武汉理工大学);Shanghai Jiao Tong University(上海交通大学)
针对冻结ACC策略部署时违反约束的问题,提出残差感知共形动作过滤(RACF),通过校准残差分位数生成运行裕度,在2,400个试验中提升安全性19.9个百分点并降低投影频率,同时减少计算开销。
2026-09-29 cs.CV cs.RO cs.SY
Adaptive Control Barrier Functions for Safety-Critical Systems
Boston University(波士顿大学)
最近的工作表明,稳定仿射控制系统的期望(集)的状态,同时优化二次成本和观察状态和控制约束,可以减少到二次规划(QP)通过使用控制障碍函数(CBF)和控制李雅普诺夫函数。在我们最近的工作中,我们定义了高阶CBF(HOCBF),以适应具有任意相对度的系统和约束,并使用惩罚方法来增加相应的QP的可行性。在本文中,我们引入自适应CBF(AdaCBFs),可以适应时变的控制界限和动态噪声,并解决可行性问题。我们的方法的核心是在AdaCBF的定义中引入罚函数,并为这些罚函数定义辅助动力学,这些罚函数是HOCBF,并由CLF稳定。我们证明了所提出的方法的优点,将其应用到巡航控制问题与不同的路面,轮胎打滑,和动态噪声。
2020-02-11 cs.RO cs.SY eess.SY
Real-Time Adaptive Safety-Critical Control with Gaussian Processes in High-Order Uncertain Models
Technical University of Munich(慕尼黑工业大学);University of Macau(澳门大学);University of Science and Technology Beijing(北京科技大学)
针对非平稳环境下不确定系统的安全关键控制问题,提出结合带遗忘因子的稀疏变分GP与HOCBF安全滤波器的两阶段框架,通过复合核与单诱导点更新提升实时性与高维适配性,经仿真与7-DOF机器人避障实验验证有效。
2024-03-05 cs.LG cs.SY eess.SY
Model-Based Adaptive Control of Modular Multilevel Converters
本文提出了模块化多电平变换器(MMCs)的面向功率模型与谐波分析,并设计了一种新的基于模型的自适应控制方案,可实时确定最优平均电容电压参考值,在最小化负载电流谐波含量的同时实现所需负载电流的精确跟踪。
2024-05-10 cs.SY eess.SY math.DS
Learning Adaptive Safety for Multi-Agent Systems
University of Pennsylvania(宾夕法尼亚大学);TU Wien(维也纳工业大学)
针对多智能体系统安全保障难、现有CBF方法依赖手动调参的问题,提出自适应安全强化学习框架ASRL,自动化优化策略与CBF系数,经多场景实验验证其有效性、灵活性及分布外泛化与可扩展性。
2023-10-04 cs.LG cs.MA cs.RO
LBA-CBF: Rapidly Adaptive Safety Filters via Parallel Dynamics Inference
Carnegie Mellon University(卡内基梅隆大学);Constructor University(康斯特大学);King Fahd University of Petroleum and Minerals(法赫德国王石油与矿业大学)
针对动力学突变导致CBF失效的问题,提出LBA-CBF,通过并行推理候选模型并自适应滤波,在仿真和实验中实现安全且高成功率的目标到达。
2026-10-07 cs.RO cs.SY eess.SY