Approximating the Region of Multi-Task Coordination via the Optimal Lyapunov-Like Barrier Function
Department of Aerospace Engineering, the University of Michigan(密歇根大学航空工程系)
本文研究多智能体系统在避碰、保持连通性和收敛到目标点的多任务协调安全区域,提出利用Lyapunov-like障碍函数子level集近似该区域,并通过系统搜索最优障碍函数以最大化区域估计。
2018-02-24 cs.SY eess.SY
Fractional Barrier Lyapunov Functions with Application to Learning Control
针对误差约束学习控制需求,本文提出分数阶障碍Lyapunov函数,结合期望补偿控制与全饱和学习算法处理不确定性,还通过修正不连续作用设计鲁棒方案,实现了有残差情况下的预期跟踪性能。
2023-06-11 cs.SY eess.SY
Control Lyapunov-Barrier Function Based Model Predictive Control for Stochastic Nonlinear Affine Systems
针对随机非线性仿射系统,提出融合CLBF、采样数据MPC与事件触发机制的控制框架,以保证稳定性、可行性并提升采样间隔性能,且经避障示例验证。
2023-06-26 cs.SY eess.SY
Perturbed Integrators Chain Control via Barrier Function Adaptation and Lyapunov Redesign
针对控制系数未知、扰动上界存在但未知的受扰积分器链镇定问题,结合李雅普诺夫再设计思路提出含比例导引反馈型增益与屏障函数增益的自适应时变增益控制器,实现预设时间内收敛到原点指定邻域并保持,且通过Furuta摆实验验证。
2024-05-15 cs.SY eess.SY
High-Relative Degree Stochastic Control Lyapunov and Barrier Functions
我们引入高相对度随机控制李雅普诺夫函数和障碍函数作为一种手段,以确保系统的渐近稳定性和纳入状态依赖的高相对度安全约束的非线性随机系统。我们提出的配方也提供了一个概括现有的文献控制李雅普诺夫和障碍函数的随机系统。控制策略的评估使用的是基于控制李雅普诺夫和障碍函数的约束二次规划。我们提出的控制设计通过仿真实验验证相对度2系统(2维汽车导航)和相对度4系统(两连杆摆与弹性致动器)。
2020-04-08 cs.SY eess.SY math.OC
Formal Verification of Control Lyapunov-Barrier Functions for Safe Stabilization with Bounded Controls
针对有界控制下的安全镇定问题,提出可验证条件合成单光滑李雅普诺夫函数以同时保证渐近稳定性和安全性,构造显式CLBF且比基于SOS的兼容CBF-CLF设计保守性更低。
2025-11-13 cs.SY eess.SY math.OC
Hybrid Lyapunov and Barrier Function-Based Control with Stabilization Guarantees
NOVA School of Science and Technology (NOVA-FCT)(诺瓦科学及技术学院);Instituto Superior Técnico (IST)(里斯本高等技术学院);Lusófona University(卢索弗纳大学)
本文提出一种混合CLF-CBF控制框架,提供全局渐近稳定和安全保证,通过递归方法扩展至高阶系统,通过仿真验证其有效性。
2026-03-16 cs.SY eess.SY
Converse Barrier Functions via Lyapunov Functions
University of Waterloo(滑铁卢大学)
本文通过反向李雅普诺夫理论证明了反向障碍函数的存在性,展示了在给定安全集下,鲁棒安全系统必须具有以李雅普诺夫函数形式的鲁棒障碍函数。
2020-08-13 cs.SY eess.SY math.OC
Smooth Converse Lyapunov-Barrier Theorems for Asymptotic Stability with Safety Constraints and Reach-Avoid-Stay Specifications
稳定性和安全性是动力系统安全临界控制的两个重要方面。在控制理论中,稳定性可以用李雅普诺夫函数来表征,这是一个公认的事实。可达性属性也可以自然地捕获的李雅普诺夫函数的有限时间稳定。受安全关键控制应用的启发,例如在自主系统和机器人技术中,最近对使用障碍函数表征安全特性的兴趣激增。然而,李雅普诺夫和障碍函数条件有时被视为竞争目标。在本文中,我们提供了一个统一的理论处理李雅普诺夫和障碍函数的逆定理的稳定性与安全保证和达到避免停留型规格。我们证明了如果一个系统(建模为一个动力系统与可测扰动)具有安全性的稳定性,那么存在一个光滑的李雅普诺夫函数来证明这样的性质。这李雅普诺夫函数被定义为从满足此属性的解决方案的初始条件的整个集合。一个类似的,但稍微弱的声明是为达到-避免-停留规范。我们通过一个简单的例子表明,如果没有额外的假设,后一种说法就不能得到加强。我们进一步推广了具有控制输入的系统的结果,并证明了达到和避免规格的逆李雅普诺夫障碍函数的存在性。虽然逆李雅普诺夫障碍定理是不建设性的,与经典的逆李雅普诺夫定理,我们相信,统一的必要和充分条件与一个单一的李雅普诺夫障碍函数的理论兴趣,并希望能阐明一些计算方法。
2021-12-31 cs.SY eess.SY math.OC
Model Predictive Contouring Control with Barrier and Lyapunov Functions for Stable Path-Following in UAV systems
本研究提出融合NMPCC、ES-CLF与指数高阶CBF的无人机路径跟踪控制框架,基于四元数实现精准姿态控制,经MiL验证可有效避障并减小跟踪误差,保障复杂环境下的稳定与安全。
2024-11-01 cs.SY eess.SY
Construction of Control Lyapunov-Barrier Functions from CLF-CBF Pairs
The City College of New York, The City University of New York(纽约市立学院,纽约市立大学);University of California San Diego(加州大学圣地亚哥分校)
本文研究从CLF和CBF对构造CLBF,通过非负权重刻画下降条件,提出联合水平集容许性条件,并用一阶PDE构造CLBF,示例证明其能实现安全镇定。
2026-09-11 cs.SY eess.SY
A Nonlinear Scaling-based Design of Control Lyapunov-barrier Function for Relative Degree 2 Case and its Application to Safe Feedback Linearization
针对相对阶大于1时CLBF设计困难的问题,提出利用sigmoid函数缩放CLF在不安全集上的值来构建CLBF的系统设计方法,并将其应用于平面机器人机械臂的安全反馈线性化控制。
2025-09-18 cs.SY eess.SY
A Review On Safe Reinforcement Learning Using Lyapunov and Barrier Functions
University of Florida(佛罗里达大学)
综述探讨了利用李雅普诺夫和屏障函数实现安全强化学习的方法,指出该领域已从模型驱动转向模型无关方法,且高维和部分可观测环境仍是主要挑战。
2026-05-12 cs.SY eess.SY
Proxy Control Barrier Functions: Integrating Barrier-Based and Lyapunov-Based Safety-Critical Control Design
提出 PCBF 模块化安全控制方案,将严格反馈系统分解为代理子系统与虚拟跟踪子系统,结合 CBF、Lyapunov 控制及扰动观测器,在未知动态和非匹配扰动下保障安全并简化 CBF 构造。
2025-01-07 cs.SY eess.SY math.OC
SOS Construction of Compatible Control Lyapunov and Barrier Functions
本研究针对受约束多项式系统的闭环稳定性与安全性验证问题,结合CLF与CBF,基于两种Positivstellensatz推导SOS规划公式,可行时可构造相容的CLF与多个CBF。
2023-05-02 cs.SY eess.SY math.OC
Progressive Barrier Lyapunov Functions for Nonlinear Constrained Control Systems
本文提出渐进障碍李雅普诺夫函数(p-BLF),在无约束区域保持最小控制作用并平滑过渡到边界附近,用于输出和全状态约束非线性系统,并通过理论与仿真验证其稳定性和有效性。
2025-07-02 cs.SY eess.SY
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
High Order Control Lyapunov-Barrier Functions for Temporal Logic Specifications
Boston University(波士顿大学)
最近的工作表明,稳定的仿射控制系统的期望状态,同时优化的二次成本受到状态和控制约束,可以减少到一系列的二次规划(QP)通过使用控制障碍函数(CBF)和控制李雅普诺夫函数(CLF)。在我们最近的工作中,我们定义了高阶CBF(HOCBF)的系统和约束与任意相对程度。本文将高阶控制李雅普诺夫-障碍函数(HOCLBF)推广到不满足状态约束和任意相对次数约束的初始状态。我们还表明,建议HOCLBFs可以用来保证布尔满足信号时序逻辑(STL)公式的系统状态。我们说明了我们的方法上的一个安全关键的最优控制问题(OCP)的一个单一的。
2021-02-12 cs.RO cs.SY eess.SY
Patching Control Lyapunov Barrier Functions for Temporal Logic Specifications with Bounded Controls
Massachusetts Institute of Technology(麻省理工学院);University of Waterloo(滑铁卢大学);MacLean Engineering & Marketing Co. Limited(麦克林工程与营销有限公司);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
提出无抽象框架,结合LTL任务序列分解与控制李雅普诺夫障碍函数,通过修补获胜集实现带界控制输入的连续时间系统控制器综合。
2026-06-12 cs.SY eess.SY
Safe Nonlinear Control Using Robust Neural Lyapunov-Barrier Functions
Massachusetts Institute of Technology(麻省理工学院);University of California, San Diego(加利福尼亚大学圣地亚哥分校)
安全性和稳定性是机器人控制系统的共同要求,然而,设计安全,稳定的控制器仍然是困难的非线性和不确定的模型。我们开发了一种基于模型的学习方法来合成具有安全性和稳定性保证的鲁棒反馈控制器。我们从鲁棒凸优化和李雅普诺夫理论的灵感,定义鲁棒控制李雅普诺夫障碍函数,尽管模型的不确定性推广。我们证明了我们的方法在模拟的问题,包括汽车轨迹跟踪,非线性控制与避障,卫星交会与安全约束,飞行控制与学习地面效应模型。仿真结果表明,我们的方法产生的控制器,匹配或超过鲁棒MPC的能力,同时减少了一个数量级的计算成本。
2021-10-06 cs.RO cs.SY eess.SY
Adaptive Robust Quadratic Programs using Control Lyapunov and Barrier Functions
针对具有时变和状态相关不确定性的非线性系统,提出了基于控制李雅普诺夫函数和障碍函数的自适应鲁棒二次规划控制方法。提出了一种自适应估计律,以预先计算的估计误差界估计不确定性的逐点值。然后,估计的不确定性和误差界被用来制定一个鲁棒QP,这确保了实际的不确定性系统不会违反由控制障碍函数定义的安全约束。此外,可以通过减少估计采样时间来系统地提高不确定性估计的准确性,从而降低稳健QP的保守性。在自适应巡航控制问题的仿真中,并通过与现有方法的比较,所提出的方法进行了验证。
2020-10-19 cs.SY eess.SY math.OC
Computing Control Lyapunov-Barrier Functions: Softmax Relaxation and Smooth Patching with Formal Guarantees
Department of Applied Mathematics, University of Waterloo(滑铁卢大学应用数学系)
本研究提出一种计算框架,通过softmax松弛、反例引导精化和平滑拼接合成兼具稳定性与安全性证明的平滑李雅普诺夫函数,经SMT形式化验证,在基准系统上的保守性低于现有SOS兼容CBF-CLF方法。
2025-10-02 cs.SY eess.SY math.OC
Vision-based Underwater Formation Control With Input Saturations via Barrier Lyapunov Functions
本文提出一种无通信的视觉编队控制框架,利用重新中心化障碍李雅普诺夫函数处理感知与避碰约束,结合命令滤波反步和二次规划应对输入饱和,并在Gazebo中通过SITL仿真验证。
2026-09-23 cs.RO cs.SY eess.SY
Robust Control Barrier and Control Lyapunov Functions with Fixed-Time Convergence Guarantees
本文研究一类非线性控制仿射动力系统在加性干扰和状态估计误差下的控制综合问题。我们强制执行静态和动态安全集的前向不变性,并在用户定义的时间内收敛到一个给定的目标集的输入约束的存在。我们使用控制障碍函数(CBF)和固定时间控制李雅普诺夫函数(FxT-CLF)的强大的变种,将一类添加剂的干扰系统动态,状态估计误差。为了解决潜在的约束控制问题,我们制定了一个二次规划,并使用所提出的鲁棒CBF-FxT-CLF条件来计算控制输入。我们展示了所提出的方法的数值案例研究,涉及多个欠驱动海洋车辆的有效性。
2021-04-13 cs.SY eess.SY math.OC
Enforcing a Strict Safety Margin in LLM Text Generation via Barrier Lyapunov Control
Institute of Science Tokyo(东京科学大学);Indian Institute of Technology Jodhpur(印度理工学院乔德普尔分校)
该研究针对LLM文本生成中现有CBF安全过滤器无安全裕度的局限,提出BLF安全过滤器,可强制规定安全裕度,经仿真验证能提升安全性能。
2026-10-14 cs.SY eess.SY
Task-Priority Control of Redundant Robotic Systems using Control Lyapunov and Control Barrier Function based Quadratic Programs
Norwegian University of Science and Technology(挪威科技大学)
针对冗余度机器人系统,提出了一种基于控制李雅普诺夫函数(CLF)和控制障碍函数(CBF)的二次规划(QP)任务优先控制框架。所提出的方法保证严格的优先级之间的不同组的任务,如安全相关的,操作和优化任务。此外,可以采用惩罚参数形式的软优先级度量来对相同优先级的任务进行优先级排序。相对于运动控制方案,所提出的框架是一个整体的方法来控制冗余机器人系统,它解决了冗余分辨率,动态控制和控制分配问题同时进行。通过对超冗余关节式干预自主水下航行器(AIAUV)的数值仿真,验证了该框架的有效性。
2021-06-04 cs.RO cs.SY eess.SY
Corridor-based Adaptive Control Barrier and Lyapunov Functions for Safe Mobile Robot Navigation
University of Virginia(弗吉尼亚大学)
本文提出一种结合CLF与CBF的MPCC框架,利用自由空间走廊约束并通过SAC动态调整参数,实现未知杂乱环境下的安全导航。
2025-07-19 cs.RO cs.SY eess.SY
Convex synthesis and verification of control-Lyapunov and barrier functions with input constraints
Toyota Research Institute(丰田研究院)
控制李雅普诺夫函数(CLF)和控制障碍函数(CBF)是广泛使用的工具,综合控制器的稳定性和安全性的约束。与在线优化相结合,它们提供了满足输入约束的稳定控制动作,并避免了状态空间的不安全区域。设计具有严格性能保证的CLF和CBF在计算上具有挑战性。为了证明控制行为的存在性,现有技术不仅设计CLF/CBF,而且设计标称控制器。这可能使合成任务更昂贵,并且性能估计更保守。在这项工作中,我们使用平方和条件,可以直接使用凸优化证明多项式CLF/CBF的特征。这产生了一个CLF和CBF合成技术,不依赖于一个标称控制器。然后,我们提出的算法迭代扩大估计的稳定和安全的区域。我们证明了我们的算法上的2D玩具系统,一个钟摆和四旋翼。
2022-10-02 cs.RO cs.SY eess.SY
Advanced safety filter based on SOS Control Barrier and Lyapunov Functions
FHNW(应用科学与艺术大学);ETH Zürich(苏黎世联邦理工学院)
本文提出基于SOS控制屏障和李雅普诺夫函数的先进安全过滤器,通过求和平方约束确保系统安全性和传统控制器性能,适用于三相ac/dc整流器控制。
2026-01-18 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
Safe and Stable Filter Design Using a Relaxed Compatibitlity Control Barrier -- Lyapunov Condition
本文提出一种基于二次规划的滤波器,利用松弛兼容的CBF与CLF条件,在无需渐近稳定控制律的情况下同时保证系统安全性与局部渐近稳定性,并通过平方和规划实现多项式系统的设计。
2024-06-29 cs.SY eess.SY math.OC
High Order Robust Adaptive Control Barrier Functions and Exponentially Stabilizing Adaptive Control Lyapunov Functions
Boston University(波士顿大学)
研究了利用数据驱动自适应控制技术保证高关联度不确定非线性系统的稳定性和安全性问题。我们首先介绍了高阶鲁棒自适应控制障碍函数(HO-RaCBF)的概念,作为一种手段来计算控制策略,保证满足高相对程度的安全约束,在面对参数模型的不确定性。所开发的方法通过最初考虑所有可能的参数实现来保证安全性,但利用在线记录的数据自适应地减少参数估计中的不确定性。然后,我们引入指数稳定自适应控制李雅普诺夫函数(ES-aCLF)的概念,利用相同的数据作为HO-RaCBF控制器,以保证指数收敛的系统轨迹。开发的HO-RaCBF和ES-aCLF统一在一个二次规划框架,其功效是通过两个数值例子,据我们所知,不能解决现有的自适应控制障碍函数技术。
2022-03-03 cs.RO cs.SY eess.SY
Safe and Dynamically-Feasible Motion Planning using Control Lyapunov and Barrier Functions
University of California, San Diego(加利福尼亚大学圣迭戈分校);DEVCOM US Army Research Laboratory(美国陆军DEVCOM研究实验室)
本文提出C-CLF-CBF-RRT算法,结合RRT、CLF和CBF为控制仿射系统生成安全且动态可行的无碰撞路径,并证明其计算高效性与概率完备性。
2025-03-12 cs.RO cs.SY eess.SY
A Converse Control Lyapunov Theorem for Joint Safety and Stability
University of Waterloo(滑铁卢大学)
本文证明严格兼容的控制李雅普诺夫函数与控制屏障函数存在等价于单个光滑李雅普诺夫函数同时保证渐近稳定与安全,通过偏微分方程刻画安全集边界条件。
2026-03-20 cs.SY eess.SY math.OC
Reinforcement Learning for Safe Robot Control using Control Lyapunov Barrier Functions
Delft University of Technology(代尔夫特理工大学);Harbin Institute of Technology(哈尔滨工业大学);Huawei Technologies(华为技术有限公司);University College London(伦敦大学学院);University of Manchester(曼彻斯特大学)
本文提出基于控制李雅普诺夫屏障函数的无模型强化学习算法LBAC,通过数据驱动方式保证机器人控制的安全性与可达性,并在仿真和真实2D四旋翼导航实验中验证了其优于其他无模型RL方法的有效性。
2023-05-16 cs.AI cs.LG cs.RO
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
Formal Synthesis of Certifiably Robust Neural Lyapunov-Barrier Certificates
University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Amherst College(阿默斯特学院)
本研究提出了一种形式化合成鲁棒神经Lyapunov-屏障证书的方法,通过对抗训练等技术提升RL在动态扰动下的安全性和鲁棒性。
2026-02-05 cs.AI cs.LG cs.RO
Reinforcement Learning for Safety-Critical Control under Model Uncertainty, using Control Lyapunov Functions and Control Barrier Functions
UC Berkeley(加州大学伯克利分校)
在本文中,安全关键控制中的模型不确定性的问题是解决与数据驱动的方法。为此,我们利用输入-输出线性化控制器的结构的基础上的标称模型以及控制障碍函数和控制李雅普诺夫函数基于二次规划(CBF-CLF-QP)。具体来说,我们提出了一种新的强化学习框架,学习模型的不确定性存在于CBF和CLF约束,以及其他控制仿射动态约束的二次规划。将训练后的策略与基于名义模型的CBF-CLF-QP相结合,得到基于强化学习的CBF-CLF-QP(RL-CBF-CLF-QP),解决了安全约束中的模型不确定性问题。通过在一个欠驱动非线性双足机器人上的实验,验证了该方法的有效性,在模型不确定的情况下,该机器人在具有一步预瞄的随机间隔踏脚石上行走,获得了稳定和安全的行走。
2020-06-04 cs.LG cs.RO cs.SY
Safe Controller Synthesis Using Lyapunov-based Barriers for Linear Hybrid Systems with Simplex Architecture
Indian Institute of Technology Kharagpur(印度理工学院卡拉格普尔分校)
本文提出了一种基于Lyapunov基屏障的安全控制器合成方法,旨在通过切换不同执行速率的BSC来实现最大安全性和及时恢复,同时优化控制计算的带宽使用。
2026-02-13 cs.SY eess.SY
Robustness of Control Barrier Functions for Safety Critical Control
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);Georgia Institute of Technology(佐治亚理工学院)
本文研究了控制屏障函数在安全关键控制中的鲁棒性,提出扩展方法以应对系统扰动,并结合控制Lyapunov函数实现安全控制目标。
2016-12-05 cs.SY eess.SY math.OC
Stable and Safe Reinforcement Learning via a Barrier-Lyapunov Actor-Critic Approach
University of Oxford(牛津大学)
本文提出 BLAC 框架,将 CBF、CLF 与 actor-critic 强化学习结合,并辅以备份控制器,在仿真中实现安全稳定控制且减少约束违反。
2023-09-28 cs.LG cs.RO cs.SY
Predefined-Time Resilient Integral Reinforcement Learning for Input-Constrained Unknown Nonlinear Systems Under FDI Attacks and Disturbances: A Fully Data-Driven Approach
Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)(胡志明市工业大学机械工程学院,越南国立大学胡志明市分校)
本文提出一种全数据驱动的积分强化学习控制方法,用于输入受限未知非线性系统,在FDI攻击和扰动下实现预定义时间收敛,并通过两连杆机器人验证有效性。
2026-09-11 cs.SY eess.SY
Safe Control with Learned Certificates: A Survey of Neural Lyapunov, Barrier, and Contraction methods
Massachusetts Institute of Technology(麻省理工学院);University of California, San Diego(加州大学圣地亚哥分校)
学习控制系统在机器人技术中具有挑战性的控制问题上表现出令人印象深刻的经验性能,但这种性能是以降低透明度和缺乏对学习控制器的安全性或稳定性的保证为代价的。近年来,出现了新的技术,通过学习证书和控制策略来提供这些保证-这些证书提供简洁的数据驱动证明,保证了学习控制系统的安全性和稳定性。这些方法不仅允许用户验证学习控制器的安全性,而且还在训练期间提供监督,允许安全性和稳定性要求影响训练过程本身。在本文中,我们提供了一个全面的调查这一迅速发展的领域的证书学习。我们希望这篇论文将作为一个容易理解的介绍证书学习的理论和实践,无论是那些谁希望将这些工具应用到实际的机器人问题和那些谁希望更深入地研究控制学习的理论。
2022-12-20 cs.RO cs.SY eess.SY
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
Control-Lyapunov and Control-Barrier Functions based Quadratic Program for Spatio-temporal Specifications
University of Michigan(密歇根大学)
本文提出了一种在时空约束下进行控制合成的方法,通过定义新的预设时间控制李雅普诺夫函数(PT CLF)并提出其存在性条件,结合二次规划(QP)计算满足这些条件的控制输入,同时将时空规范转化为时序逻辑公式,并讨论了方法的局限性和未来研究方向。
2019-08-26 cs.SY eess.SY math.OC
Verification and Synthesis of Compatible Control Lyapunov and Control Barrier Functions
Washington University in St. Louis(圣路易斯华盛顿大学);McKelvey School of Engineering(麦凯维工程学院);Toyota Research Institute(丰田研究所)
针对现有CBF与CLF分别验证综合易导致控制器失效、现有兼容方法依赖标称控制器仅为充分条件的问题,提出无标称控制器的兼容验证充要条件与平方和规划验证框架及综合方法,可扩大兼容区域,经非线性算例和3D四旋翼验证具可扩展性,代码开源。
2024-09-14 cs.RO cs.SY eess.SY
High Order Control Lyapunov Function - Control Barrier Function - Quadratic Programming Based Autonomous Driving Controller for Bicyclist Safety
Ohio State University(俄亥俄州立大学)
本文提出基于高阶控制李雅普诺夫函数和控制屏障函数的二次规划控制器,用于提升自动驾驶系统在复杂交通环境中的骑行者安全性能。
2025-12-14 cs.RO cs.SY eess.SY
Safe Exploration in Model-based Reinforcement Learning using Control Barrier Functions
Boston University(波士顿大学)
本文提出了一种基于基于模型的强化学习(MBRL)框架,用于在线学习无限时域最优控制问题的价值函数,同时服从以控制障碍函数(CBF)表示的安全约束。我们的方法是促进了一类新的CBFs,称为Lyapunov样CBFs(LCBFs)的发展,保留CBFs的开发微创安全控制政策的有益特性,同时也具有理想的Lyapunov样的质量,如积极的半定。我们展示了如何使用这些LCBFs来增强基于学习的控制策略以保证安全,然后利用这种方法在MBRL环境中开发安全的探索框架。我们证明,我们的方法可以处理更一般的安全约束比比较方法通过数值例子。
2022-09-19 cs.LG cs.SY eess.SY
Lyapunov Event-triggered Stabilization with a Known Convergence Rate
控制李雅普诺夫函数(CLF)方法作为非线性控制系统设计的一种构造性工具,在连续、离散和混杂系统的镇定问题中得到了广泛的应用。在本文中,我们解决的基本问题:给定一个CLF,对应于连续时间控制器与一些预定义的(如指数)收敛速度,可以提供相同的收敛速度由事件触发控制器?在一定的假设下,我们对这个问题给出了肯定的回答,并表明相应的基于事件的控制器提供了连续事件之间的正驻留时间。此外,我们证明了自触发和周期事件触发控制器的存在,以已知的收敛速度提供稳定性。
2020-07-14 cs.SY eess.SY math.DS
A class of robust consensus algorithms with predefined-time convergence under switching topologies
研究了切换拓扑下的鲁棒一致性问题。与现有的方法相反,所提出的方法提供了分散的协议,在预定义的时间内实现网络多智能体系统的共识。也就是说,协议设计提供了允许将代理的收敛时间设置为共识状态的调谐参数。一个适当的李雅普诺夫分析暴露的能力,目前的建议,以实现预定义的时间共识开关拓扑结构,尽管存在有界扰动。最后,本文提出了一个比较,表明所建议的方法包含现有的固定时间共识算法,并提供额外的自由度,以获得预定义的时间共识协议,是不太过度工程,即,在我们的方法中,估计的收敛时间与其实际值之间的差异较小。数值结果表明了该方法的有效性和优越性。
2019-07-31 cs.MA cs.SY eess.SY
Predefined-Time Integral Reinforcement Learning for Unknown Nonlinear Systems via Inverse-Optimal Design
Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)(胡志明市理工大学,越南国立大学胡志明市分校)
本文提出基于逆最优设计的预定时积分强化学习框架,用于未知非线性系统最优控制,通过RBF网络近似漂移项与值函数,实现评论器权重预定时收敛,仿真验证了方法有效性。
2026-10-09 cs.SY eess.SY
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
Contact-Aware Safety in Soft Robots Using High-Order Control Barrier and Lyapunov Functions
Laboratory for Information and Decision Systems, Massachusetts Institute of Technology(信息与决策系统实验室,麻省理工学院);Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology(计算机科学与人工智能实验室,麻省理工学院);Cognitive Robotics, Delft University of Technology(认知机器人学,代尔夫特理工大学);Robotics Engineering Department, Worcester Polytechnic Institute(机器人工程系,沃斯特理工学院)
针对软体机器人与人共处时的接触安全,提出HOCBF+HOCLF框架,结合可微分PCS模型与DCSAT距离度量,实现全身接触力约束与实时碰撞检测,仿真验证了安全导航与精确调节。
2025-10-17 cs.RO cs.SY eess.SY
Formally Verifying Deep Reinforcement Learning Controllers with Lyapunov Barrier Certificates
Stanford University(斯坦福大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学);IT University of Copenhagen(哥本哈根信息技术大学);Google(谷歌公司);GE Aerospace Research(GE航空航天研究院)
针对深度强化学习智能体黑箱特性难保障安全、神经李雅普诺夫屏障证书学习与验证难度大的问题,提出证书组合与过滤技术,实现离散时间系统下DRL控制器的形式化安全与活性保证,并通过航天器控制案例验证有效性。
2024-08-14 cs.AI cs.LG cs.SY