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
Greedy Synthesis of Event- and Self-Triggered Controls with Control Lyapunov-Barrier Function
National Institute of Informatics（国立信息学研究所）
研究了在控制李雅普诺夫函数和控制障碍函数的约束下，事件触发控制和自触发控制的控制输入和执行决策的协同设计问题.所提出的方法计算的控制输入的方式，允许更长的执行间隔，这区别于许多现有的事件和自触发控制器或控制李雅普诺夫-障碍函数控制器。所提出的方法保证了最小执行间时间的下限。所提出的方法的有效性证明，并与现有的方法相比，使用数值例子。
2023-02-24 cs.RO 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
Event-Triggered Safe Bayesian Optimization on Quadcopters
针对时变场景下标准安全贝叶斯优化易失效的问题，提出仅靠观测代价在线适应的事件触发SafeOpt算法，经四旋翼仿真与硬件实验验证，其在保安全的同时性能优于现有方法。
2023-12-13 cs.SY eess.SY
Event-triggered Add-on Safety for Connected and Automated Vehicles Using Road-side Network Infrastructure
提出了一种事件触发的附加安全机制，用于调整控制参数，使网络化车辆系统在保持机动性的同时及时制动。乘用车操纵性显著地受到组合滑移摩擦效应的影响，其中较大的纵向轮胎滑移导致横向轮胎力的显著下降。当道路上发生意外的危险情况时，这一点尤为重要，需要立即采取行动，如刹车，以避免碰撞。急刹车会导致高滑移和机动性损失，因此，及时刹车对于减少高滑移情况至关重要。除了车辆自身的主动安全系统外，在接到路边基础设施的危险通知后，将激活拟议的事件触发附加安全系统。其目的是将附加安全功能，以调整自动控制参数，以实现平稳和及时的制动，从而避免碰撞，同时保持车辆的机动性。我们研究了两种不同的无线技术，用于基础设施和车辆之间的通信，即长期演进（LTE）和第五代（5G）方案。该框架通过高保真软件模拟进行验证，并评估了包括附加功能以增加每种通信技术的安全裕度的优点。
2019-11-21 cs.SY eess.SY
Intermittent Safety Filters for Event-Triggered Safety Maneuvers with Application to Satellite Orbit Transfers
本文提出一种基于切换状态触发条件的事件触发控制框架，通过间歇性激活安全滤波器缩短安全约束生效时间，并在卫星轨道转移仿真中验证了其有效性。
2023-04-18 cs.SY eess.SY math.OC
Performance-Barrier-Based Event-Triggered Control with Applications to Network Systems
针对事件触发控制需兼顾性能保证与通信资源节约的问题，提出基于性能障碍的触发框架，允许 Lyapunov 证书非单调下降，并为网络系统设计本质无 Zeno 的分布式触发器，车辆编队实验显示更新次数显著减少。
2021-08-28 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
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
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-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
Event-Triggered Safe Stabilizing Boundary Control for the Stefan PDE System with Actuator Dynamics
本文提出了一种事件触发的边界控制，用于具有执行器动态的Stefan PDE系统的安全镇定。控制律的设计是通过应用零阶保持（ZOH）的连续时间的安全稳定控制器在我们以前的工作。事件触发机制，然后推导出，使施加的安全条件与高阶控制障碍函数（CBF）保持和闭环系统的稳定性得到保证。我们证明，在建议的事件触发机制，所谓的"芝诺”行为总是避免，通过显示存在的最小驻留时间之间的两个触发时间。采用PDE反步法和李雅普诺夫分析证明了闭环系统的稳定性。数值模拟表明了该方法的有效性。
2022-10-04 cs.SY eess.SY math.OC
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
Hierarchical Event-Triggered Systems: Safe Learning of Quasi-Optimal Deadline Policies
针对事件触发控制资源消耗优化问题，提出含下层ETC安全保障、上层强化学习截止时间策略的分层架构，在轨航天器控制实验验证其在保安全下更优的降驱动频率效果。
2024-09-15 cs.SY eess.SY math.OC
Performance-Barrier Event-Triggered Control of a Class of Reaction-Diffusion PDEs
针对一类反应扩散PDE，提出结合反步控制的性能屏障事件触发控制方法，在保证全局指数收敛且无芝诺现象的同时减少控制更新，还开发了周期与自触发变体并通过仿真验证效果。
2025-01-14 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
Barrier Functions in Cascaded Controller: Safe Quadrotor Control
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）
本文提出了一种基于二次规划的级联控制架构，用于四旋翼的安全控制，通过控制障碍函数构建安全区域，考虑非线性欠驱动动力学，实现四旋翼在姿态和横向领域的独立安全调节。
2020-02-17 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
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
HJB Based Optimal Safe Control Using Control Barrier Functions
本文提出了一种最优安全控制器，使控制障碍函数（CBFs）安全条件下的无穷时域代价泛函最小化。将约束最优控制问题转化为满足安全约束的Hamilton-Jacobi-Bellman（HJB）方程的极小化问题。通过求解优化问题，我们能够构造满足最优性和安全性条件的封闭形式解。所提出的解决方案被证明是连续的，因此它使安全集向前不变，同时最小化给定的成本。因此，同时实现了最佳稳定性和安全性目标。为了综合最优安全控制器，我们提出了一种改进的Galerkin逐次逼近方法，该方法在给定稳定安全初始值的情况下，保证了最优安全解。该算法在一个约束非线性系统上实现，以显示其有效性。
2022-02-02 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
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
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
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
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
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
Exact-Safe MPPI: Safety-Aware Sampling with Nonsmooth Control Barrier Functions
University of New Mexico（新墨西哥大学）
本文提出Exact-Safe MPPI方法，利用精确最小值和CBF二次规划处理非光滑多障碍约束，保证安全集前向不变性，并验证其在狭窄通道导航中的有效性。
2026-10-07 cs.SY eess.SY
Safe Stabilization using Nonsmooth Control Lyapunov Barrier Function
针对安全镇定中光滑李雅普诺夫屏障函数无法保证控制器可行性的问题，提出非光滑控制李雅普诺夫屏障函数（NCLBF）及其系统设计框架，在多个不安全区域下实现了安全镇定，理论分析与仿真验证了其优越性。
2025-04-07 cs.SY eess.SY
Safe Control for Nonlinear Systems with Stochastic Uncertainty via Risk Control Barrier Functions
保证机器人和自主系统在现实环境中的安全性是一项具有挑战性的任务，需要减轻随机不确定性。近年来，控制障碍函数已被广泛用于加强安全相关的集合论性质，如前向不变性和可达性，非线性动力系统。在本文中，我们扩展了这个丰富的框架，非线性离散时间系统的随机不确定性，并提出了一个框架，以确保风险敏感的安全一致的风险措施。为此，我们引入风险控制障碍函数（RCBFs），这是障碍函数和动态的，连贯的风险措施的组合。我们表明，这种障碍函数的存在意味着在一个连贯的风险意义上的不变性。此外，我们制定了基于有限时间RCBF的条件，以保证有限时间的可达性的期望设置在一致的风险。风险敏感的安全性和有限时间可达的集合组成的布尔复合多RCBF的条件也制定。我们所提出的方法的有效性，通过其应用到一个车杆系统中的安全关键的情况。
2022-03-29 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
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
Safe Backstepping with Control Barrier Functions
复杂的控制系统通常以分层的方式描述，表示为高阶系统，其中输入出现在积分器链之后。虽然控制障碍函数（CBF）已被证明是非线性系统的安全关键控制器设计的强大工具，但它们应用于高阶系统增加了控制器综合过程的复杂性--它需要动态扩展CBF以包括高阶项，从而以复杂的方式修改安全集。我们提出了另一种方法来解决安全的高阶系统通过控制障碍函数Backstepping。从李雅普诺夫反推方法的启发，我们提供了一个建设性的框架，从一个顶级的动态安全规范和控制器设计合成安全关键控制器和CBF高阶系统。此外，我们集成了所提出的方法与李雅普诺夫反推，允许的稳定性和安全性的任务，单独表示，但共同实现。我们证明了这种方法在模拟的有效性。
2022-04-01 cs.SY eess.SY
Safe Exploration in Reinforcement Learning: Training Backup Control Barrier Functions with Zero Training Time Safety Violations
本文提出RLBUS算法，结合备份控制障碍函数与无模型强化学习训练额外备份策略，扩大安全集的控制前向不变子集，实现训练零安全违规的更大状态空间探索，在倒立摆示例中验证了安全性与性能提升效果。
2024-12-09 cs.SY eess.SY
Safe Control Synthesis for Multicopter via Control Barrier Function Backstepping
本文针对多旋翼飞行器提出一种基于控制屏障函数的安全反步控制器，通过动力学重构处理混合相对阶与非严格反馈形式问题，将控制输入转化为带仿射不等式约束的二次规划求解，可同时满足角速度、推力方向、速度和位置等多层级安全约束。
2023-08-08 cs.SY eess.SY
Koopman-Based Linear MPC for Safe Control using Control Barrier Functions
Boston University（波士顿大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Maryland, College Park（马里兰大学帕克分校）
本文提出一种基于Koopman的线性模型预测控制框架，用于非线性离散时间系统的安全控制。通过构造DCBF增强的动力学系统，利用Koopman算子理论将非线性动力学提升到高维空间，从而将非线性安全约束MPC问题转化为二次规划问题。
2026-09-18 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
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
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
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
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
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
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
Secure Control of Connected and Automated Vehicles Using Trust-Aware Robust Event-Triggered Control Barrier Functions
针对互联自动驾驶车辆网络在V2X通信和传感器噪声下的安全威胁，提出信任感知鲁棒事件触发去中心化控制与协调框架，通过维护信任指标平衡保守性与安全性，实现攻击检测与缓解，并在SUMO和CARLA仿真中验证了其有效性。
2024-03-25 cs.SY eess.SY
Guaranteed-Safe MPPI Through Composite Control Barrier Functions for Efficient Sampling in Multi-Constrained Robotic Systems
本文提出GS-MPPI算法，通过复合控制屏障函数将多重安全约束集成为单一约束并嵌入MPPI采样过程，在保证安全的同时提升采样效率并缓解CBF短视问题。
2024-10-03 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
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
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
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
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
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
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
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
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
