Enhancing Vehicle Platooning Safety via Control Node Placement and Sizing under State and Input Bounds
本文针对车辆编队易受网络攻击的问题,提出两阶段执行器布置与饱和方法,在状态和输入约束下优化关键控制节点及其输入边界,以兼顾安全性与防御效率。
2025-03-11 cs.SY eess.SY
Output Feedback Backup Control Barrier Functions: Safety Guarantees Under Input Bounds and State Estimation Error
California Institute of Technology(加州理工学院);Wichita State University(威奇托州立大学);Georgia Institute of Technology(佐治亚理工学院);Texas A&M University(德克萨斯农工大学)
本文提出输出反馈备份控制屏障函数,以应对状态估计误差和输入限制下的安全问题,证明了在存在状态不确定性时,总存在可行控制输入保证真实状态安全。
2026-04-21 cs.SY eess.SY
Learning Robust Safety Controllers for Uncertain Input-Affine Polynomial Systems
本文针对未知动态的输入仿射多项式系统,提出基于持续激励数据的直接数据驱动方法,通过平方和优化综合鲁棒控制屏障证书与鲁棒安全控制器,无需显式建模即可在无限时间范围内保证扰动下的安全性。
2025-07-20 cs.SY eess.SY
Robustness Analysis of Systems' Safety through a New Notion of Input-to-State Safety
University of Groningen(格罗宁根大学);Telkom University(Telkom 大学)
本文提出了一种新的鲁棒性概念,用于验证系统对外部扰动信号的安全性。该输入到状态安全(ISSf)概念允许在存在扰动的情况下验证系统的安全性,类似于用于分析系统稳定性输入到状态稳定性(ISS)概念。
2017-02-06 cs.SY eess.SY math.OC
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
Single Chip Self-Tunable N-Input N-Output PID Control System with Integrated Analog Front-end for Miniature Robotics
Indian Institute of Technology, Kharagpur(印度理工学院,卡拉格普尔分校)
本文设计了低功耗单芯片多通道PID控制器,用于微型机器人,包含N输入和N输出,实现N个并行通道。系统集成模拟前端和基于PSO算法的PID控制器,用于参数调谐,具有低功耗和高效调谐能力。
2016-11-16 cs.SY eess.SY
Tunable Thresholds and Frequency Encoding in a Spiking NOD Controller
本文扩展了脉冲非线性观点动力学(S-NOD)分析,将其作为可调鲁棒性与响应性平衡的非线性控制器,识别分岔条件,刻画阈值与频率编码可调性,并探讨其作为神经形态控制模块及分布式扩展的潜力。
2025-09-10 cs.SY eess.SY
LSTM Neural Networks: Input to State Stability and Probabilistic Safety Verification
本文的目标是从动力系统的角度分析长短期记忆(LSTM)神经网络。描述LSTM演化的经典递归方程可以在状态空间形式中重铸,从而产生时不变的非线性动力系统。给出了该类系统输入-状态稳定性的充分条件。ISS属性需要LSTM的输出可达集的有界性。根据这一结果,一个新的方法来验证网络的安全性,基于场景的方法,设计。所提出的方法最终测试的pH值中和过程。
2020-05-28 cs.SY eess.SY
Generalizations of Backup Control Barrier Functions: Expansion and Adaptation for Input-Bounded Safety-Critical Control
California Institute of Technology(加州理工学院);Illinois Institute of Technology(伊利诺伊理工大学);Wichita State University(威奇托州立大学)
本文扩展了备份控制屏障函数框架,通过分离扩展控制器与验证备份控制器,实现更广泛的扩展策略,同时保持形式安全保证,并扩展到参数化控制器家族以实现在线适应。
2026-03-19 cs.SY eess.SY
Composition of Control Barrier Functions With Differing Relative Degrees for Safety Under Input Constraints
针对输入约束下的安全控制问题,提出用软最小值复合不同相对阶的安全与输入约束CBF,并通过实时优化保证状态处于安全集内。
2024-03-15 cs.SY eess.SY
Safety Critical Control for Nonlinear Systems with Complex Input Constraints
针对带复杂时变输入约束的非线性系统,提出基于控制障碍函数的新型控制器,通过引入辅助输入将输入约束转成输出约束,简化二次规划并提升框架兼容性,可系统处理多类输入约束,经数值算例验证有效。
2025-05-18 cs.SY eess.SY
Braking within Barriers: Constructive Safety-Critical Control for Input-Constrained Vehicles via the Backup Set Method
Wichita State University(威奇托州立大学)
本文提出基于备用集方法的安全关键控制框架,在输入约束下合成制动控制器,防止车辆在非对称路面制动时打滑并最小化停车距离,通过反馈线性化和李雅普诺夫方程构造备用集-控制器对,并在四轮模型上验证。
2025-10-17 cs.SY eess.SY
A Closed-Form Control for Safety Under Input Constraints Using a Composition of Control Barrier Functions
本文提出利用软最小R-CBF组合多个不同相对阶的安全与输入CBF,并借助控制动力学构造闭式最优控制,以同时保证安全性和输入约束。
2024-07-05 cs.SY eess.SY
Decentralized CBF-based Safety Filters for Collision Avoidance of Cooperative Missile Systems with Input Constraints
German Aerospace Center (DLR)(德国航空航天中心)
针对多飞行器拦截场景,提出基于鲁棒控制屏障函数的去中心化安全滤波器,通过事件触发和松弛变量优化实现碰撞避免,兼顾计算效率与可扩展性。
2026-06-19 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
Universal Barrier Functions for Safety and Stability of Constrained Nonlinear Systems
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出通用障碍函数(UBF)以编码稳定性与安全性,并构建UBF-QP生成受输入约束的安全稳定控制输入,证明了其可行性及在温和条件下UBF的存在性,且可扩展至高相对阶系统。
2025-11-02 cs.SY eess.SY
LQG Reference Tracking with Safety and Reachability Guarantees under Unknown False Data Injection Attacks
我们研究了一个线性二次高斯(LQG)跟踪问题的安全性和可达性的限制存在的对手谁安装的FDI攻击一组未知的传感器。对于每个可能的受损传感器集合,我们维护一个状态估计器,不考虑该集合中的传感器,并基于此估计计算每次的最优LQG控制输入。我们提出了一种控制策略,约束控制输入位于一个固定的距离内的最优控制输入对应于每个状态估计。控制输入在每个时间步通过求解二次约束二次规划(QCQP)。我们证明了我们的政策可以实现一个理想的概率的安全性和可达性使用屏障证书的方法。我们的控制策略是通过数值案例研究进行评估。
2022-07-11 cs.SY eess.SY
Prediction-Based Control Barrier Functions for Input-Constrained Safety Critical Systems
针对输入受限安全关键系统,提出基于预测的控制障碍函数(PB-CBF),通过引入预测项提供抵消CBF变化率的裕度,确保有界输入下的安全性,并在两个数值示例(含飞机失速预防)中验证其优于基本CBF。
2024-12-17 cs.SY eess.SY
When are safety filters safe? On minimum phase conditions of control barrier functions
本文研究了控制障碍函数(CBF)安全滤波器可能导致系统内部状态发散的问题,受输入-输出线性化启发,提出并验证了一组新的CBF最小相位条件以确保完整系统状态有界。
2025-08-11 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
Real-Time Coordinated Operation of Off-Grid Wind Powered Multi-Electrolyzer Systems Considering Thermal Dynamics and HTO Safety
Shanghai Jiao Tong University(上海交通大学)
本文提出一种两层协调方法,结合反馈优化与投影安全层,解决风力发电波动下电解槽系统运行中的功率可用性和安全约束问题,提升能源利用效率并确保安全稳定运行。
2026-04-12 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
Learning Input Constrained Control Barrier Functions for Guaranteed Safety of Car-Like Robots
University of California, San Diego(加利福尼亚大学圣迭戈分校)
本文提出基于输入受限控制屏障函数的安全滤波器设计方法,利用支持向量机回归学习环境平滑函数,并考虑转向约束,以保证类车机器人在复杂环境中的安全性。
2024-02-19 cs.RO 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
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
Robust Time-Varying Control Barrier Functions with Sector-Bounded Nonlinearities
TU Dresden(德累斯顿工业大学);University of Michigan, Ann Arbor(密歇根大学安娜堡分校)
本文提出一种鲁棒时变控制屏障函数,通过二次约束保证非线性输入的安全性,定义安全过滤器以最小化控制器命令修改,并在航天器对接中验证其有效性。
2026-04-30 cs.SY eess.SY
Enforcing Safety under Actuator Attacks through Input Filtering
致动器注入攻击对所有通过通信网络控制的工业工厂构成了真正的威胁。在这篇手稿中,我们研究了限制控制器输出(即输入到执行器)的可能性,通过一个动态滤波器,旨在防止危险的植物状态的可达性-防止因此攻击诱导危险状态通过篡改控制信号。滤波器的合成是作为一个凸规划(凸成本与线性矩阵不等式约束)的解决方案,我们的目标是转移的控制信号的可达集,以避免危险的状态,同时尽可能少地改变控制器的动态。我们对原始控制信号和滤波信号之间的差异进行建模,并将其差异的H-无穷范数作为约束条件添加到合成问题中,通过有界实引理。通过仿真实验说明了结果。
2021-11-17 cs.SY eess.SY
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
Neural Network-based Co-design of Output-Feedback Control Barrier Function and Observer with Input Constraints
本文提出一种基于神经网络的联合设计方法,用于部分观测的连续时间系统中,考虑输入约束的输出反馈控制屏障函数和观测器的设计,通过在扩展状态空间中制定屏障条件,确保安全性而无需要求有界估计误差或手工设计的屏障函数。
2026-05-18 cs.SY eess.SY
Robust Safety Critical Control Under Multiple State and Input Constraints: Volume Control Barrier Function Method
College of Artificial Intelligence, Nankai University(南开大学人工智能学院);Shenzhen Research Institute of Nankai University(南开大学深圳研究院)
针对多约束下不确定系统的安全关键控制问题,提出结合RISE非线性扰动观测器与体积控制屏障函数的框架,在保障安全的同时降低控制保守性并维持QP可行性,经仿真与实验验证有效。
2025-03-20 cs.RO cs.SY eess.SY
Control Barrier Functions and Input-to-State Safety with Application to Automated Vehicles
University of Michigan(密歇根大学);California Institute of Technology(加州理工学院);Plus.ai Inc.(智加科技公司)
平衡安全性和性能是现代控制系统设计中的主要挑战之一。此外,在不引起降低性能的不必要的保守性的情况下,稳健地确保安全性至关重要。在这项工作中,我们提出了一个建设性的方法,通过控制障碍函数(CBF)的安全关键控制综合。通过CBF过滤手工设计的控制器,我们能够获得高性能的行为,同时提供严格的安全保证。在干扰面前,鲁棒的安全性和性能是通过输入状态安全(ISSf)的概念同时实现的。我们采取了一个教程的方法,通过开发CBF设计方法与倒立摆的例子并行,使设计过程中的挑战和敏感性具体。为了建立所提出的方法的能力,我们考虑通过CBF的连接自动驾驶汽车(CAV)的形式的8级卡车没有拖车的安全关键设计的实际设置。通过实验,我们看到了未建模的干扰在卡车的驱动系统上的CBF提供的安全保证的影响。我们描述这些干扰,并使用ISSf,产生一个强大的控制器,实现安全而不让步的性能。我们评估我们的设计都在模拟,并首次在汽车系统,实验。
2022-06-07 cs.RO cs.SY eess.SY
Safety-Critical Control under Multiple State and Input Constraints and Application to Fixed-Wing UAV
本文针对二阶非线性系统提出一种基于标称规避机动和终极不变集的安全关键控制框架,并设计具有递归可行性保证的一步模型预测控制器,在固定翼无人机仿真中验证了多重状态与输入约束下的安全性。
2023-08-08 cs.SY eess.SY math.OC
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
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
Zero-Order Control Barrier Functions for Sampled-Data Systems with State and Input Dependent Safety Constraints
California Institute of Technology(加州理工学院)
本文提出零阶控制屏障函数(ZOCBF),通过相邻采样时刻值的差分替代微分运算,处理采样数据系统中高相对阶及状态与输入相关安全约束,并给出三种数值求解方法,经避碰与防侧翻实验验证。
2025-04-08 cs.RO cs.SY eess.SY
Safety monitoring under stealthy sensor injection attacks using reachable sets
针对传统故障检测器难以发现的隐蔽传感器注入攻击,提出仅监测控制输入并通过凸优化计算输入可达集椭球边界的安全检测方法,并经仿真验证。
2023-07-24 cs.SY eess.SY
Robust Safety Filtering for Input-Constrained Underactuated Linear Systems
Tampere University(坦佩雷大学);Faculty of Engineering and Natural Sciences(工程与自然科学学院)
本文针对受未知扰动的输入受限欠驱动线性系统,提出鲁棒安全滤波框架,结合H-∞控制、扰动观测器与控制障碍函数,通过两轮自平衡机器人仿真验证约束竞争问题。
2026-09-22 cs.RO cs.SY eess.SY
Using Dynamic Safety Margins as Control Barrier Functions
University of Colorado, Boulder(科罗拉多大学博尔德分校)
本文利用参考调节器理论,提出了一种将动态安全裕度作为控制屏障函数的方法,用于处理任意状态和输入约束,并保证安全性和优化可行性。
2026-06-14 cs.SY eess.SY
Safe-by-Design Control for Euler-Lagrange Systems
安全关键控制的特点是确保约束满足给定的动力系统。最近在归零控制障碍函数(ZCBF)的发展提供了一个框架,以确保一个单一的约束函数的超级别集的安全性。欧拉-拉格朗日系统代表了许多现实世界的系统,包括机器人和车辆,它们必须遵守安全法规,特别是在人类居住的环境中使用。这些安全规则包括必须始终遵守的状态约束(位置和速度)和输入约束。ZCBF对于满足一般非线性系统的系统约束是有价值的,然而它们满足状态和输入约束的构造并不简单。此外,现有的障碍函数方法没有解决多个状态的限制,需要安全的欧拉-拉格朗日系统。在本文中,我们提出了一种方法来构建多个,非冲突的控制障碍函数的欧拉-拉格朗日系统的输入约束,以满足安全法规,同时考虑到鲁棒性裕度和采样时间的影响。所提出的方法由采样数据控制器和用于构造障碍函数以增强安全性(即满足位置和速度约束)的算法组成。以一个2自由度平面机械臂为例进行了仿真验证。
2021-08-04 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
GUARDIAN: Safety Filtering for Systems with Perception Models Under Adversarial Attack
GUARDIAN通过神经网络验证和修改的哈密尔顿-雅可比可达性公式,为基于神经网络状态估计器的系统提供对抗攻击下的安全保证。
2026-09-15 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
Bayesian Safety Guarantees for Port-Hamiltonian Systems with Learned Energy Functions
Elmore Family School of Electrical and Computer Engineering, Purdue University(普渡大学埃尔莫尔家族电气与计算机工程学院)
本文提出一种基于贝叶斯方法的端到端安全保证框架,通过学习能量函数传播不确定性,确保系统安全。实验表明该方法在有限且噪声数据下仍能保持安全,且在平面机械臂上比无结构GP-CBF方法更有效。
2026-09-21 cs.RO cs.SY eess.SY
Safety Verification and Controller Synthesis for Systems with Input Constraints
本文研究非线性控制系统的安全性验证和安全控制器综合问题。控制屏障证书(CBC)方法被提议作为屏障证书方法的扩展。我们的方法可以用来描述一个给定的集合的控制不变性的安全性的一般非线性控制系统受输入约束。从控制器设计的角度来看,所提出的方法提供了一种方法来综合一个安全的控制律,保证系统的轨迹从一个给定的初始设置不进入一个不安全的设置。与相关的控制障碍函数的方法,我们的制定只考虑了向量场的切锥的零水平集定义的证书,并被证明是不太保守的数值证据。对于具有半代数初始集和安全集的多项式系统,可以利用平方和分解和半定规划综合CBCs和安全控制律。实例证明了我们的方法。
2022-04-21 cs.SY eess.SY math.OC
Computing Safe Control Inputs using Discrete-Time Matrix Control Barrier Functions via Convex Optimization
Department of Electrical and Computer Engineering, Brigham Young University(电气与计算机工程系, BYU)
本文提出一种基于凸优化和矩阵控制障碍函数技术的新方法,解决了离散时间非凸安全集系统计算保持安全性的控制输入的实时性限制,并在双旋翼系统仿真中验证了有效性。
2025-10-10 cs.RO cs.SY eess.SY
Input-to-State Safety with Input Delay in Longitudinal Vehicle Control
California Institute of Technology(加州理工学院);University of Michigan(密歇根大学);Budapest University of Technology and Economics(布达佩斯技术与经济大学)
讨论了在前一辆联网车辆后面行驶的联网自动卡车的安全纵向控制。基于控制障碍函数理论和预测器反馈设计了一种控制器,该控制器以卡车的响应时间作为输入延迟,以其动力学模型的不确定性作为输入干扰,实现了可证明的安全、无碰撞行为。所提出的控制器相比,忽略延迟或处理的延迟干扰的控制设计的好处是由数值模拟。
2022-11-18 cs.RO cs.SY eess.SY
Port-Transversal Barriers: Graph-Theoretic Safety for Port-Hamiltonian Systems
Elmore Family School of Electrical and Computer Engineering, Purdue University(普渡大学埃尔莫电气与计算机工程学院)
本文研究了具有局部存储项能量函数的端-哈密顿系统,通过构造能量室的图来确定安全约束的相对次数下界,并提出通过调整约束来生成相对次数为一的候选屏障函数。
2026-09-15 cs.SY eess.SY
Risk-Aware Safety Filters with Poisson Safety Functions and Laplace Guidance Fields
Department of Mechanical and Civil Engineering, Caltech(加州理工学院机械与土木工程系);Department of Computing and Mathematical Sciences, Caltech(加州理工学院计算与数学科学系);Department of Mechanical Engineering, Tufts University(塔夫茨大学机械工程系)
在现实世界中导航的机器人系统需要对其环境的语义理解,以正确确定安全操作。这项工作旨在开发这种表示的数学基础-具体来说,目标是开发具有风险意识的安全过滤器。为此,我们采取了两个步骤的方法:通过泊松方程编码环境的理解,并通过拉普拉斯指导领域的相关风险。也就是说,我们首先解决泊松方程的Dirichlet问题,以生成一个安全函数,将系统安全性编码为其0-超水平集。然后,我们单独解决拉普拉斯方程的狄利克雷问题,以合成一个安全的\textit{guidance field},它通过强制执行可调通量边界条件来编码障碍物周围的可变谨慎级别。然后,将安全功能和引导字段组合以定义安全约束,并用于合成风险感知安全过滤器,给定对具有环境特征的相关联风险等级的环境的语义理解,该安全过滤器在优先避免较高风险障碍物的同时保证安全。我们演示了这种方法在模拟和讨论如何\textit{a priori}的障碍风险的理解可以直接纳入安全过滤器,以产生安全的行为,是风险意识。
2025-10-29 cs.RO 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
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
Input-to-State Safe Backstepping: Robust Safety-Critical Control with Unmatched Uncertainties
Department of Electrical and Computer Engineering, North Carolina State University(电气与计算机工程系,北卡罗来纳州立大学);Department of Mechanical and Civil Engineering, California Institute of Technology(机械与土木工程系,加州理工学院)
本文提出了一种针对具有不匹配不确定性的非线性系统,通过构造输入到状态安全框架和最优衰减约束前馈,实现鲁棒安全关键控制的方法,并通过倒立摆和四旋翼实验验证。
2026-02-03 cs.RO cs.SY eess.SY
Safety-Critical Control with Bounded Inputs: A Closed-Form Solution for Backup Control Barrier Functions
Mechanical and Civil Engineering, California Institute of Technology(机械与土木工程系,加州理工学院);Mechanical Engineering, Wichita State University(机械工程系,威斯康星州立大学)
针对输入有界系统的安全控制难题,本文提出一种在标称控制器与备份控制器间最优插值的闭式解方法,保证安全且满足输入界限,并在双积分器和固定翼飞机上验证有效性。
2025-10-06 cs.RO cs.SY eess.SY
Safety-Critical Control with Bounded Inputs via Reduced Order Models
California Institute of Technology(加州理工学院)
由于这些系统固有的高维性质以及在实践中可能难以确定的相应复杂模型,因此确保复杂自主系统(从汽车到步行机器人)的安全行为具有挑战性。以此为动机,本文提出了一种安全关键控制框架,该框架利用降阶模型来确保全阶动态的安全性-即使当这些模型受到干扰和有界输入(例如,致动限制)。为了处理输入约束,备份集方法的降阶模型的上下文中重新制定,并推导出的全阶系统的可证明的安全行为的条件。然后,输入到状态的安全备份集的方法被引入到降阶模型和实际系统之间的差异提供鲁棒性。最后,所提出的框架在高保真度仿真中得到了证明,其中四足机器人通过单足模型的帮助安全地绕障碍物行走。
2023-03-06 cs.RO cs.SY eess.SY
Safety-Critical Control with Input Delay in Dynamic Environment
California Institute of Technology(加州理工学院);Budapest University of Technology and Economics(布达佩斯技术与经济大学);University of Michigan(密歇根大学)
赋予非线性系统安全行为在现代控制中越来越重要。对于必须在动态变化的环境中安全运行的实际控制系统,该任务尤其具有挑战性。本文通过建立环境控制障碍函数的概念,提出了动态环境下的安全关键控制框架。即使存在输入延迟,该框架也能够通过考虑系统延迟响应期间环境的演变来保证安全。基础控制合成依赖于预测系统和环境在延迟间隔内的未来状态,具有针对预测误差的鲁棒安全保证。通过简单的自适应巡航控制问题和赛格威平台上更复杂的机器人应用证明了所提出方法的有效性。
2022-12-04 cs.RO cs.SY eess.SY