Feasibility and Explicit Safety Filters for Control Barrier Functions in Linear Systems
California Institute of Technology(加州理工学院);North Carolina State University(北卡罗来纳州立大学)
本文研究了线性系统中基于控制屏障函数的安全滤波器,提出显式安全滤波器以避免在线优化,通过分析约束法向量几何特性,为多种约束结构提供可行性分析,并给出闭式安全滤波器。
2026-10-08 cs.SY eess.SY math.OC
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
Converse Theorems for Safety and Barrier Certificates
Institute of Computer Science, Czech Academy of Sciences(捷克科学院计算机研究所)
本文证明了所有鲁棒安全的微分方程均具有屏障证书,并基于可在有限时间内达到的状态集构造此类证书。
2018-07-31 cs.SY eess.SY
Sample-and-Hold Safety with Control Barrier Functions
针对数字平台安全控制器高采样率对应低安全违规的常见假设,本文基于输入到状态安全与控制障碍函数,提出调制采样输入的采样保持系统安全保障方案,分析两类触发实现并通过仿真验证有效性。
2023-10-03 cs.SY eess.SY math.OC
Safety-Critical Event Triggered Control via Input-to-State Safe Barrier Functions
在实现控制目标的同时有效利用可用资源是事件触发控制范例中的主要动机。在许多现代控制应用中,一个这样的目标是加强系统的安全性。本文的目标是通过结合事件触发和安全关键控制设计来实现这一愿景。我们讨论了如何直接转录,在安全的情况下,事件触发的方法稳定可能会导致在设计中,由于缺乏一个最小的interevent时间是无法实现的实际硬件。我们提供了一个反例显示这种现象,并建立在所获得的洞察力,提出了一个事件触发控制方法,通过输入状态安全障碍函数,实现安全,同时确保interevent时间是一致的下界。我们在模拟中说明了我们的结果。
2020-03-16 cs.SY eess.SY math.OC
Control Barrier Function Based Quadratic Programs for Safety Critical Systems
California Institute of Technology(加州理工学院);University of Michigan(密歇根大学);University of California at Los Angles(加利福尼亚大学洛杉矶分校)
本文提出将安全约束与性能目标统一在二次规划中的方法,通过控制屏障函数和控制李雅普诺夫函数的结合,实现安全与性能的协调控制。
2016-12-05 cs.SY eess.SY math.OC
Constant-Sum High-Order Barrier Functions for Safety Between Parallel Boundaries
Department of Mechanical and Aerospace Engineering, UC San Diego(加州大学圣地亚哥分校机械与航空航天工程系)
本文提出常和高阶屏障函数方法,用于解决平行边界间安全控制的验证问题,通过构造独立CBF并利用反推技术确保安全性。
2025-05-21 cs.SY eess.SY math.OC
Combinatorial Control Barrier Functions: Nested Boolean and p-choose-r Compositions of Safety Constraints
California Institute of Technology(加州理工学院);University of Michigan(密歇根大学);Wichita State University(威奇托州立大学)
本文提出组合控制障碍函数框架,用于处理安全约束的嵌套布尔和p-choose-r组合,通过可扩展的方式确保系统安全性。
2025-12-19 cs.SY eess.SY math.OC
Exact-Time Safety Recovery using Time-Varying Control Barrier Functions with Optimal Barrier Tracking
Boston University(波士顿大学);WPI(伍斯特理工学院);CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室);ECE department at UNC-Charlotte(北卡罗来纳大学夏洛特分校电气与计算机工程系)
本文提出一种基于时变控制障碍函数的精确时间安全恢复框架,通过主动障碍跟踪条件将安全恢复转化为轨迹设计问题,提升自动驾驶车辆在交通协调中的安全性与性能。
2026-04-12 cs.SY eess.SY
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
Robust Estimator-Based Safety Verification: A Vector Norm Approach
本文研究了具有不确定传递函数系数的单输入单输出系统的安全约束满足性验证问题。我们提出了一种新的基于向量范数的障碍函数。这种类型的障碍函数有一个可测量的上界,没有完整的状态可用性。一个基于标识符的估计允许一个确切的界限的障碍函数估计的不确定性为基础的组件。假设系统是安全的,最初允许由于估计器瞬态而导致的误差的指数下降的界限。障碍函数和估计器合成被提出为两个凸子问题,利用线性矩阵不等式。屏障功能控制器组合然后用于构造安全备用控制器。我们证明了系统的模拟1度的自由度的人外骨骼的相互作用。
2020-08-02 cs.SY eess.SY math.OC
Control Barrier Functions for Stochastic Systems and Safety-critical Control Designs
针对随机系统安全关键控制难题,提出两类确保概率1安全的随机控制屏障函数充分条件,设计对应控制律,验证了安全集吸引性相关期望收敛性,经仿真验证方法有效。
2024-04-17 cs.SY eess.SY math.DS
Predictive control barrier functions: Enhanced safety mechanisms for learning-based control
虽然基于学习的控制技术通常优于经典控制器设计,但安全要求限制了许多应用中对此类方法的接受。最近的发展通过所谓的预测安全过滤器来解决这个问题,该过滤器评估拟议的基于学习的控制输入是否会导致违反约束,并在必要时对其进行修改,以确保未来所有时间步长的安全性。这种预测性安全滤波器的理论保证依赖于模型假设,微小的偏差可能导致滤波器故障,使系统处于危险之中。本文介绍了一种辅助软约束预测控制问题,总是可行的,在每个时间步长和渐近稳定的可行集的原始安全过滤器,从而提供了一个恢复机制,在安全关键的情况下。这是通过结合终端控制障碍函数的简单约束收紧来实现的。通过扩展离散时间控制障碍函数理论,我们建立了所提出的辅助问题提供了一个“预测”的控制障碍函数。所得到的算法证明使用数值例子。
2022-05-13 cs.SY eess.SY
Parameterized Barrier Functions to Guarantee Safety under Uncertainty
在实践中部署安全关键控制器需要能够调节控制系统中的不确定性。在这方面,鲁棒控制障碍函数-在各种形式-已被用来获得不确定系统的安全保证。然而,在实践中经历的不同类型的不确定性导致了一个破碎的景观鲁棒性-与各种实例取决于不确定性的结构。本文提出了一个框架,概括这些变化成一个单一的形式:参数化障碍函数(PBFs),产生安全保证的广泛的不确定性类型。这导致控制器,执行强大的安全保证,而他们的保守性尺度的参数化。为了说明这种方法的一般性,我们表明,输入到状态的安全(ISSf)是PBF框架的一个特殊情况下,从而可以得到相对于ISSf改进的安全保证。
2023-03-20 cs.SY eess.SY
Small-Gain Theorem for Safety Verification of Interconnected Systems
本文提出了一个用于互联系统安全性验证的障碍函数的小增益定理。这一结果有助于验证输入状态安全(ISSf)的整个系统的安全信息编码的子系统的ISSf-障碍函数。而且,它可以用于从两个较低维空间中的安全集获得较高维空间中的安全集。
2020-11-18 cs.SY eess.SY math.OC
Safety-Critical Control with Guaranteed Lipschitz Continuity via Filtered Control Barrier Functions
Boston University(波士顿大学);Massachusetts Institute of Technology(麻省理工学院);University of Maryland, College Park(马里兰大学帕克分校)
本文提出滤波控制屏障函数,通过引入输入正则化滤波器实现控制输入的利普希茨连续性,从而保证系统安全性和控制输入的平滑性。
2026-03-10 cs.SY eess.SY math.OC
Safety-Critical Control of Stochastic Systems using Stochastic Control Barrier Functions
控制障碍函数已被广泛用于综合安全关键控制,通常通过求解二次规划。然而,高斯型噪声的存在可能会导致不安全的行为,并导致严重的后果。在本文中,我们研究由布朗运动驱动的随机微分方程(SDEs)建模的系统。我们提出了一个随机控制障碍函数(SCBFs)的概念,并表明,SCBFs可以显着减少控制的努力,特别是在存在噪声的情况下,相比随机互易控制障碍函数(SRCBFs),并提供了一个不太保守的安全概率估计,相比随机归零控制障碍函数(SZCBFs)。基于这种不太保守的概率估计所提出的概念的SCBF,我们进一步扩展的结果,以处理高相对程度的安全约束,使用高阶SCBF。通过理论分析和数值模拟,我们证明了所提出的SCBF实现了性能和控制努力的良好权衡。
2021-04-06 cs.SY eess.SY
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
Explicit Control Barrier Function-based Safety Filters and their Resource-Aware Computation
California Institute of Technology(加州理工学院)
本文研究了基于控制屏障函数的安全过滤器的高效实现,提出了一种显式的闭式表达式,通过划分状态空间区域来实现资源感知的计算,适用于航空航天控制与安全强化学习。
2026-04-21 cs.SY eess.SY math.OC
Characterization of Safety in Stochastic Difference Inclusions using Barrier Functions
本文针对随机差分包含系统,利用上半连续、凸集值映射与凹障碍函数简化安全性验证,将随机输入替换为其期望,从而证明最坏情况违反安全性质的概率上界。
2025-08-27 cs.SY eess.SY math.OC
A Spectral Perspective on Stochastic Control Barrier Functions
Seoul National University(首尔大学);University of California, Berkeley(加州大学伯克利分校)
本文提出通过谱分析方法,利用闭环系统安全概率的线性算子,寻找主导特征对以编码随机系统的安全信息,提出功率策略迭代算法生成有效的随机控制屏障函数。
2026-10-30 cs.SY eess.SY math.OC
A Control Barrier Perspective on Episodic Learning via Projection-to-State Safety
在本文中,我们试图量化的学习能力,以提高控制障碍函数(CBF)赋予的安全保证。特别是,我们研究了如何通过学习减少CBF的时间导数中的模型不确定性,以及这如何导致对系统安全行为的更强声明。为此,我们建立在输入到状态安全(ISSf)的想法来定义投影到状态安全(PSSf),其特征在于在预测的干扰方面的安全退化。这使得能够直接量化学习如何提高安全保证,以及学习误差的界限如何转化为安全降级的界限。我们证明了一个实用的情景学习方法可以使用PSSf来减少不确定性,提高仿真和实验中的安全保证。
2020-03-18 cs.SY eess.SY
Probabilistic Control Barrier Functions: Safety in Probability for Discrete-Time Stochastic Systems
California Institute of Technology(加州理工学院);Tufts University(塔夫茨大学)
本文提出概率控制屏障函数,用于为离散时间随机系统设计具有概率安全保证的控制器,并通过仿真和硬件验证其有效性。
2026-02-08 cs.SY eess.SY math.OC
Barrier States Theory for Safety-Critical Multi-Objective Control
本文提出利用障碍状态将安全约束嵌入原系统形成安全嵌入系统,通过镇定该无约束系统实现安全关键多目标控制,并提出ISSf与IS3概念,支持鲁棒安全镇定设计。
2025-07-07 cs.SY eess.SY
Comparison between safety methods control barrier function vs. reachability analysis
University of California, San Diego(加州大学圣地亚哥分校)
本报告旨在比较两种安全方法:控制障碍函数和Hamilton-Jacobi可达性分析。我们将重点考虑以下几个方面的差异:系统动力学的通用性,建设的难度和计算成本。一个标准的杜宾汽车模型将进行数值评估,使比较更加具体。
2021-06-24 cs.RO cs.SY eess.SY
Passivity-Preserving Safety-Critical Control using Control Barrier Functions
本文融合基于被动性控制(PBC)和控制障碍函数(CBF)技术,构造性地推导出在基于CBF的安全关键控制下保持闭环系统被动性的条件,提供能量解释并设计出比阻尼注入标准方法保守性更低的新型被动设计,最后在端口哈密顿系统和cart-pole系统上进行了验证。
2023-12-14 cs.SY eess.SY
Red Light, Green Light Game of Multi-Robot Systems with Safety Barrier Certificates
针对不确定多机器人系统的红灯、绿灯博弈问题,提出了安全屏障证书。根据游戏规则,机器人在娃娃喊“绿灯”后可以向前移动,喊“红灯”时必须停止。根据这一规则,一个两模式的名义控制器的设计,其中一个模式是向前移动,另一个是减速和不动。然后,多个指数控制障碍函数(ECBF)的开发,以处理有限的操场,碰撞避免,和饱和的速度的安全约束。在设计标称控制器和ECBF时,针对系统的不确定性,推导了估计制动时间和鲁棒不等式约束。因此,控制器保证每个机器人的安全屏障证书已制定了一个二次规划与标称控制器和鲁棒不等式约束。最后通过红灯、绿灯游戏仿真验证了所提出的安全关键控制系统的有效性。
2022-02-28 cs.SY eess.SY
Adaptive Safety with Control Barrier Functions
自适应控制李雅普诺夫函数(aCLF)是在20年前提出的,它提供了一种基于李雅普诺夫的方法来稳定具有参数不确定性的系统。本文的目标是在安全关键控制的背景下,重新审视这一经典的配方。这将在安全性的背景下激发aCLF的变体:自适应控制障碍函数(aCBF)。我们所提出的方法自适应地实现安全,即使在参数模型的不确定性的存在下,保持系统的状态在一个安全的集合。我们将aCLFs和aCBFs统一为一个单一的控制方法,在一个基于二次规划(QP)的框架的背景下,不确定参数的系统。我们验证了这个统一的框架,以实现自适应巡航控制(ACC)模拟的稳定性和安全性的能力。
2019-10-01 cs.SY eess.SY
Control Barrier--Value Functions under Partial Observability: Safety Guarantees via Conformal Prediction
Simon Fraser University(西蒙菲莎大学)
本文针对部分可观非线性控制系统,扩展CBVF框架,结合共形预测得到误差界,推导概率安全保证,提出QP型在线安全滤波器,在避障案例中验证了框架的有效性。
2026-08-17 cs.SY eess.SY
Safety Embedded Control of Nonlinear Systems via Barrier States
在许多安全关键的控制系统中,可能出现相反的安全限制和控制性能目标。面对这样的冲突,这封信提出了一种新的方法,嵌入到稳定的控制系统的安全。该开发通过在优化中使用的障碍函数,通过构建嵌入在控制系统模型中的障碍状态(BaS)来加强安全性。因此,只要闭环系统的感兴趣的平衡点是渐近稳定的,则保证生成的轨迹是安全的。因此,基本上避免了控制目标和安全约束之间的冲突。为了显示所提出的技术的有效性,我们采用简单的极点配置方法来设计安全的线性控制的障碍状态。随后采用非线性最优控制,以满足安全性,稳定性和性能目标,通过解决相关的Hamilton-Jacobi-Bellman(HJB),最大限度地减少成本功能,可以涉及的BaS。在此之后,我们进一步利用障碍状态的最优控制,在一个不稳定的,受约束的第二维摆上的推车模型,希望避免低速区域,系统可能会表现出一些可控性损失和两个移动机器人安全地到达对面的目标与障碍的方式。
2021-08-19 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
Refined Barrier Conditions for Finite-Time Safety and Reach-Avoid Guarantees in Stochastic Systems
KLSS, ISCAS(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学);College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院);Software Engineering Institute, East China Normal University(华东师范大学软件学院)
本文提出更灵活的屏障条件,用于在离散时间系统中提供有限时间安全概率上限和连续时间系统中可达-避免概率下限,扩展了可验证系统的范围并促进了高级优化技术的应用。
2026-05-11 cs.SY eess.SY
Safety-Critical Control using Optimal-decay Control Barrier Function with Guaranteed Point-wise Feasibility
安全性是机器人技术的基本问题之一。最近,一个基于二次规划的控制障碍函数(CBF)方法已经出现作为一种方式来执行安全关键约束。与控制李雅普诺夫函数(CLF)一起,构成了一种安全关键控制策略CLF-CBF-QP,它可以在实现控制目标和确保安全之间进行调解,同时具有实时可执行性。然而,一旦引入诸如输入约束之类的附加约束,CLF-CBF-QP就可能遇到不可行性。为了解决由于不可行性而产生的挑战,我们提出了一种用于安全关键控制的最佳衰减形式,其中CBF的衰减率在时间上逐点优化,以便当状态位于安全集内时保证逐点可行性。所提出的控制设计的数值验证使用自适应巡航控制的例子。
2021-03-23 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
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
Data-Driven Learning of Safety-Critical Control with Stochastic Control Barrier Functions
控制障碍函数广泛用于综合安全关键控制。高斯型噪声的存在可能导致不安全的行为,并导致严重的后果。虽然随机系统的安全关键控制研究已经得到了广泛的研究,但在许多实际应用中,我们并不了解动态的随机分量。在本文中,我们研究了具有未知扩散部分的随机系统的安全临界控制,并提出了一种数据驱动的方法来处理这些情况。更具体地说,我们提出了一个数据驱动的随机控制障碍函数(DDSCBF)框架,并使用监督学习学习未知的随机动态通过DDSCBF计划。在一些合理的假设下,利用泛逼近定理,我们保证了DDSCBF格式能够逼近部分未知动态下随机控制障碍函数的伊藤导数.我们还表明,我们可以实现相同的安全保证使用DDSCBF计划与SCBF在以前的工作中,而不需要随机动力学的知识。我们使用两个非线性随机系统来验证我们的理论在模拟。
2022-05-22 cs.SY eess.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
Observer-Based Environment Robust Control Barrier Functions for Safety-critical Control with Dynamic Obstacles
本文提出一种基于观测器的环境鲁棒控制障碍函数(ECBF)安全关键控制器,通过将障碍物状态观测器纳入ECBF设计以降低保守性,并在二次规划框架下保证安全性,有效应对动态障碍物的测量与预测不确定性。
2024-03-20 cs.SY eess.SY
Enhancing Feasibility and Safety of Nonlinear Model Predictive Control with Discrete-Time Control Barrier Functions
UC Berkeley(加州大学伯克利分校)
安全性是机器人技术的基本问题之一。近年来,离散时间非线性动力系统的一步或多步最优控制问题被提出,利用控制李雅普诺夫函数(CLF)来保证系统的跟踪稳定性,同时利用控制障碍函数(CBF)来保证系统的安全性.这些现有方法的局限性主要在于可行性和安全性。在现有的方法中,优化的可行性和系统的安全性不能在理论上同时提高。在本文中,我们提出了两个公式,统一CLFs和CBFs的框架下的非线性模型预测控制(NMPC)。在所提出的公式中,安全准则通常被制定为CBF约束,并且稳定性性能通过终端代价函数或CLF约束来确保。在CBF约束中引入松弛变量,通过松弛技术解决了可行性和安全性之间的矛盾,从而使CBF约束得到增强。理论分析和数值计算结果验证了所提方法的可行性和安全性。
2021-10-01 cs.RO cs.SY eess.SY
Safety-Critical Control for Discrete-time Stochastic Systems with Flexible Safe Bounds using Affine and Quadratic Control Barrier Functions
针对离散时间随机系统的安全控制问题,提出基于控制障碍函数(CBFs)的安全控制器综合方法,通过灵活设计CBF得到更紧的安全概率边界,经数值算例验证了方法有效性。
2025-01-16 cs.SY eess.SY
Sliding Mode Control Barrier Function
本文提出了一种滑模控制障碍函数,以鲁棒地处理安全关键控制系统中的高相对度安全约束。稳定性/跟踪目标,表示为标称控制律,和安全约束,表示为控制障碍函数是通过二次规划统一。所提出的控制框架进行了数值验证,考虑古田摆和磁悬浮系统。对于第一个系统,一个线性二次型调节器被认为是一个标称控制律,并考虑安全约束,以保证摆角位置永远不会超过一个预定值。对于第二个,滑模控制器被认为是一个标称控制律和多个安全约束被认为是保证磁悬浮系统的位置永远不会超过预定值。对于这两个系统,我们认为高相对度的安全约束对模型的不确定性是鲁棒的。数值结果表明,稳定性/跟踪目标的实现和安全约束的尊重,即使模型的不确定性。
2020-10-07 cs.SY eess.SY
Safety-Critical Control on Lie Groups Using Energy-Augmented Zeroing Control Barrier Functions
University of Bologna(博洛尼亚大学);University of Twente(特文特大学)
本文提出基于李群的能耗增强零控制障碍函数,用于全驱动机械系统的安全关键控制,通过运动学约束和动能限制确保安全交互。
2025-12-08 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
Measurement-Robust Control Barrier Functions: Certainty in Safety with Uncertainty in State
现代机器人系统及其运行环境的复杂性日益增加,需要在存在不完美测量的情况下正式考虑安全性。在本文中,我们提出了一个严格的框架,安全关键控制系统的错误状态估计。我们开发了这个框架,利用控制障碍函数(CBF)和统一的方法备份集的控制不变集与鲁棒性的要求-最终结果是测量-鲁棒控制障碍函数(MR-CBF)的合成。这提供了理论上的安全行为的保证,在存在不完美的测量和改进的鲁棒性超过标准的CBF方法。我们证明了这个框架的有效性,在仿真和实验上的赛格威平台上使用板载立体视觉摄像头的状态估计。
2021-04-28 cs.SY eess.SY
Combinatorial Safety-Critical Coordination of Multi-Agent Systems via Mixed-Integer Responsibility Allocation and Control Barrier Functions
German Aerospace Center (DLR)(德国航空航天中心);Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院);Seoul National University(首尔大学)
本文提出通过混合整数规划和控制屏障函数实现多智能体系统的安全关键协调,以提高避障效率和减少计算复杂性。
2026-03-05 cs.SY eess.SY
Safety Under State Uncertainty: Robustifying Control Barrier Functions
UCLA(加州大学洛杉矶分校);Caltech(加州理工学院)
针对控制障碍函数依赖精确状态而实际仅得噪声或估计状态的问题,提出鲁棒控制障碍函数(R-CBF),无需不确定性大小即可合成鲁棒安全控制器,仿真验证其额外鲁棒性与收敛性保证。
2026-09-18 cs.SY eess.SY
BarrierNet: A Safety-Guaranteed Layer for Neural Networks
MIT(麻省理工学院)
本文介绍了可微高阶控制障碍函数(CBF),是端到端的训练与学习系统。CBF通常过于保守,同时保证安全。在这里,我们解决他们的保守性,软化他们的定义使用环境依赖性,而不失去安全保证,并将它们嵌入到可微二次规划。这些新颖的安全层被称为屏障网,可以与任何基于神经网络的控制器结合使用,并且可以通过梯度下降进行训练。BarrierNet允许神经控制器的安全约束适应不断变化的环境。我们评估他们的一系列控制问题,如交通合并和机器人导航在2D和3D空间,并证明其有效性相比,国家的最先进的方法。
2021-11-22 cs.LG cs.RO cs.SY
Approximate Optimal Control for Safety-Critical Systems with Control Barrier Functions
控制障碍函数(CBF)已成为安全关键控制系统中强制集合不变性的流行工具。在保证安全性的同时,大多数CBF方法都是短视的,因为它们在每个时间步长而不是在很长的时间范围内解决优化问题。这种方法可能允许系统太接近不安全集,在那里优化问题可能变得不可行。这些问题中的一些可以通过将松弛变量引入优化问题来缓解;然而,这会损害到期望的平衡点的收敛。为了解决这些挑战,我们开发了一种近似的最优方法,在安全关键控制问题中,违反安全约束的成本直接嵌入在价值函数。我们表明,我们的方法是能够保证安全和收敛到一个理想的平衡。最后,我们通过数值例子比较了我们的方法与传统的二次规划方法的性能。
2020-08-10 cs.SY eess.SY
Safety during Transient Response in Direct Current Microgrids using Control Barrier Functions
我们考虑的问题,保证瞬态电压和电流保持在规定的范围内的直流(DC)微电网,当控制器没有获得准确的系统动态,由于负载是未知的和/或时变的。为了实现这一点,我们提出了一种基于优化的控制器设计使用控制障碍函数。我们表明,所提出的控制器具有分散的结构,是鲁棒的系统参数,如负载的精确值的不确定性。
2021-02-04 cs.SY eess.SY
Control Barrier Corridors: From Safety Functions to Safe Sets
Department of Mechanical Engineering, Eindhoven University of Technology(埃因霍温理工大学机械工程系);Department of Electrical and Computer Engineering, University of California San Diego(加州大学圣地亚哥分校电气与计算机工程系)
本文提出控制屏障走廊概念,通过统一控制屏障函数与安全运动走廊方法,实现安全目标选择与持续路径跟随。
2026-03-06 cs.RO cs.SY eess.SY
End-to-End Imitation Learning with Safety Guarantees using Control Barrier Functions
模仿学习(IL)是一种学习范式,可用于合成复杂系统的控制器,模仿专家(用户或控制算法)演示的行为。尽管IL方法很受欢迎,但它们通常缺乏安全性保证,这限制了它们在复杂安全关键系统中的实用性。在这项工作中,我们认为安全,制定为集不变性,并赋予相关的正式保证控制障碍函数(CBFs)。我们开发的条件下,鲁棒安全的专家控制器,利用CBF,可以用来学习端到端的控制器(我们称之为CBF兼容控制器),有安全保证。这些保证是从输入状态安全(ISSf)的角度考虑安全的干扰的情况下,其中它示出IL使用鲁棒安全的专家演示结果在ISSf与干扰直接相关的学习问题的属性。我们证明了这些安全保证,在模拟的基于视觉的端到端的倒立摆和汽车驾驶的轨道控制。
2022-12-21 cs.SY eess.SY
Learning Control Barrier Functions with High Relative Degree for Safety-Critical Control
控制障碍函数在解决具有安全保证的控制问题方面已经显示出巨大的成功。这些方法通常通过求解在线二次规划问题来找到下一个安全控制输入。然而,模型的不确定性是一个很大的挑战,综合控制器。这可能导致不安全控制行为的产生,造成严重后果。在本文中,我们开发了一个学习框架来处理系统的不确定性。我们的方法主要集中在学习的动态的控制障碍函数,特别是对于高相对于系统的程度。我们表明,对于每一个订单,控制障碍函数的时间导数可以分离成标称控制障碍函数的时间导数和一个余数。这意味着我们可以使用神经网络来学习余数,以便我们可以近似真实控制障碍函数的动态。我们通过仿真表明,我们的方法可以生成安全的轨迹下的参数不确定性,使用差分驱动机器人模型。
2020-11-21 cs.SY eess.SY
Control Barrier Functions for Cyber-Physical Systems and Applications to NMPC
网络物理系统的易处理安全保证算法在关键应用中非常重要。基于控制障碍函数的方法假设连续的强制执行,这在在线方式中是不可能的。本文提出了两个易于处理的算法,以确保离散时间控制的信息物理系统的前向不变性。这两种方法都是基于控制障碍函数,以提供严格的数学安全保证。第一种算法利用Lipschitz连续性,并制定了一个强大的程序,随后放松到一组仿射条件的安全条件。第二种算法是受管NMPC的启发,并使用仿射控制障碍函数制定与辅助控制器,以保证系统的安全性。我们结合了近似NMPC控制器与第二种算法,以保证严格的安全性,尽管近似的约束,并显示其有效性的小型赛格威实验。
2021-04-29 cs.SY eess.SY
Bounding Stochastic Safety: Leveraging Freedman's Inequality with Discrete-Time Control Barrier Functions
针对传统鲁棒安全方法保守性高的问题,本文结合Freedman不等式与离散时间控制屏障函数、c-鞅,为随机系统提供更严格的安全概率边界,经对比和双足机器人仿真验证了其有效性与紧致性。
2024-11-04 cs.SY eess.SY