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
On the Optimality, Stability, and Feasibility of Control Barrier Functions: An Adaptive Learning-Based Approach
Mississippi State University（密西西比州立大学）
针对传统控制屏障函数（CBF）存在的最优性、稳定性、可行性局限及短视问题，提出用神经网络参数化class-K函数、结合强化学习的自适应多步CBF（AM-CBF）与多步训练单步执行范式，在一、二阶系统实验中性能优于传统CBF。
2023-05-05 cs.LG cs.RO cs.SY
Feasibility and Regularity Analysis of Safe Stabilizing Controllers under Uncertainty
本文针对控制仿射系统在不确定性下的安全镇定问题，利用worst-case或概率误差描述与控制障碍函数构造二阶锥约束，并分析了这些约束的可行性及满足约束的控制器的正则性。
2023-12-02 cs.SY eess.SY math.OC
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
Feasibility and Singularity in High-Order Safety-Critical Control for Quadrotor UAVs
Universidad Politécnica de Madrid（马德里理工大学）；Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心（西班牙国家研究委员会-马德里理工大学））
针对四旋翼团队在有界输入和避碰约束下的高阶安全控制，提出扭矩感知动态扩展与高斯过程学习残差的方法，解决推力失效和联合不可行问题，保证碰撞避免。
2026-09-18 cs.RO cs.SY eess.SY
Finite Boundary-Layer Residence Certificates for Non-Strict Control Barrier Functions
The City College of New York, The City University of New York（纽约市立学院，纽约市立大学）；Guizhou University（贵州大学）
本文研究在正向不变屏障条件下消除持久边界驻留问题，提出辅助函数框架以保持正向不变性并排除无限时间驻留，确保边界层面的活性。
2026-07-09 cs.SY eess.SY math.OC
Risk-Aware Adaptive Control Barrier Functions for Safe Control of Nonlinear Systems under Stochastic Uncertainty
本文提出考虑风险的自适应控制屏障函数，用于在随机不确定性下确保非线性系统的安全控制，通过结合辅助变量和一致性风险度量，提升安全性和减少保守性。
2025-12-05 math.OC
High Relative Degree Control Barrier Functions Under Input Constraints
本文提出的方法，以确保前向不变性的子级集的约束功能与高相对度的系统动力学和输入约束的存在。我们表明，这样的约束函数可以转换成特殊的归零控制障碍函数（ZCBFs），其中，通过建设，产生充分条件呈现状态总是在一个子水平集的约束函数中存在的输入约束。我们提出了一个这样的ZCBF的一般形式，以及适用于一类特定系统的特殊情况。我们得出结论，根据两个ZCBF开发和以前的文献系统轨迹的比较，和一个案例研究的小行星观测问题，使用二次程序为基础的控制器，以执行ZCBF条件。
2021-09-30 cs.SY eess.SY math.OC
Accelerated Safe Gradient Flow
University of California, San Diego（加利福尼亚大学圣地亚哥分校）
本文提出加速安全梯度流（A-SGF），通过二阶控制障碍函数二次规划过滤加速流，在强凸约束优化中保证安全性并保持Nesterov加速收敛速度，二维例子验证其随时可行性与更快收敛。
2026-10-05 cs.SY eess.SY math.OC
Learning Robust Hybrid Control Barrier Functions for Uncertain Systems
University of Pennsylvania（宾夕法尼亚大学）；Google Brain Robotics（谷歌大脑机器人部门）
对鲁棒控制律的需求在安全关键应用中尤其重要。我们提出了鲁棒混合控制障碍函数作为一种手段来合成控制律，确保鲁棒安全。基于这一概念，我们制定了一个优化问题，学习鲁棒混合控制障碍函数的数据。我们确定充分条件的数据，使优化问题的可行性，确保正确的学习鲁棒混合控制障碍函数。我们的技术使我们能够安全地扩大指南针步态步行器的吸引力区域，该区域受到模型的不确定性。
2021-05-13 cs.LG cs.SY eess.SY
Feasibility Analysis and Regularity Characterization of Distributionally Robust Safe Stabilizing Controllers
针对含模型不确定性的控制仿射系统，提出分布鲁棒安全镇定控制器的可行性检查条件（一个必要、两个充分），刻画计算复杂度并验证其比直接SOCP求解更快，同时分析控制律的正则性。
2023-12-29 cs.SY eess.SY math.OC
Maximal Controlled Invariant-MPC: Enhancing Feasibility and Reducing Conservatism through Terminal CBF Constraint in Safety-Critical Control
Graduate Student, Daniel Guggenheim School of Aerospace Engineering（丹尼尔·古吉恩航空航天工程学院研究生）；Assistant Professor, Director, Aerospace Robotics Lab, Daniel Guggenheim School of Aerospace Engineering（丹尼尔·古吉恩航空航天工程学院助理教授、主任、航空航天机器人实验室）
本文提出一种利用CBF作为终端约束的MPC方法，通过增加预测时间 horizon 提高可行性与可达集，减少保守性，并通过非holonomic系统仿真验证了其有效性。
2026-05-07 cs.RO cs.SY eess.SY
Backup Control Barrier Functions: Formulation and Comparative Study
最近提出的备份控制障碍函数（CBF）作为一个易处理的制定，保证CBF二次规划（QP）的可行性，通过隐式定义的控制不变集。控制不变集基于固定的备份策略，并通过对备份策略下的动态进行前向积分来在线评估。本文旨在作为备份CBF方法的教程和一些基准的比较研究。首先，备份CBF方法是一步一步地提出与底层的数学详细解释。其次，我们证明了备份CBF总是有一个相对度为1，在温和的假设。第三，将备份CBF方法与Hamilton Jacobi PDE和Sum-of-Squares等基准算法在控制不变集的计算上进行了比较，结果表明，对于许多实际问题，在良好的备份策略下，可以获得接近最大控制不变集的控制不变集.
2021-04-22 cs.SY eess.SY math.OC
Robust Control Barrier Functions under High Relative Degree and Input Constraints for Satellite Trajectories
针对高相对阶约束、输入约束和有界扰动下的非线性控制仿射系统，提出三种构建鲁棒控制屏障函数的方法，采用切换执行策略，并通过两类卫星小行星任务仿真验证了其安全性与可行性。
2023-06-09 cs.SY eess.SY math.OC
Observer-based Control Barrier Functions for Safety Critical Systems
本文考虑了带输出测量的安全关键控制设计问题。提出了一种基于估计误差量化观测器和控制障碍函数（CBF）方法相结合的安全控制框架。采用函数逼近技术逼近由状态估计误差引入的不确定性，提出了一种自适应CBF方法设计安全控制器，该方法通过求解凸二次规划（QP）得到。分别给出了相对度为1和更高相对度的CBF的理论结果。两个数值例子证明了所提出的控制方法的有效性。
2021-10-03 cs.SY eess.SY math.OC
Distributed Constraint-coupled Resource Allocation: Anytime Feasibility and Violation Robustness
本文针对带耦合约束的实时分布式资源分配问题，结合原始-对偶方法与控制障碍函数设计DanyRA算法，保障全时刻约束可行，引入虚拟队列提升干扰下的违规鲁棒性，还扩展至等式约束场景并证明线性收敛性。
2025-08-04 cs.SY eess.SY math.OC
Feasibility-Guaranteed Safety-Critical Control with Applications to Heterogeneous Platoons
针对严格控制边界下高相对阶CBF约束易导致QP不可行的问题，提出含可行性约束的新型CBF，并在异构车队ACC中验证其可保证安全、可行且控制无突变。
2024-09-08 cs.SY eess.SY math.OC
A model-free approach to control barrier functions for higher-order systems
TU Ilmenau（伊尔梅瑙工业大学）；Imperial College London（帝国理工学院）；Universität Paderborn（帕德博恩大学）；Martin-Luther-Universität Halle-Wittenberg（哈勒-维滕贝格马丁·路德大学）
针对任意相对度的非线性系统，提出一种无需动态模型或状态测量的无模型控制障碍函数设计方法，并利用漏斗控制技术保证安全性。
2026-06-03 cs.SY eess.SY math.OC
Future-Focused Control Barrier Functions for Autonomous Vehicle Control
在本文中，我们介绍了一类未来为重点的控制障碍函数（ff-CBF），旨在改善传统的近视CBF为基础的控制设计和研究其有效性的背景下，一个无信号的四路交叉路口交叉问题的集合通信和非通信自动驾驶车辆。我们的新的ff-CBF编码，车辆采取控制行动，避免碰撞预测下的零加速政策在一个任意长的未来时间间隔。从这个意义上说，ff-CBF定义了一个虚拟的障碍，我们提出了一个放松的未来为重点的CBF（rff-CBF）的形式，允许放松的虚拟ff-CBF障碍远离车辆之间的物理障碍的放松。我们研究的性能ff-CBF和rff-CBF控制器的通信车辆通过一系列的模拟试验的交叉口的情况下，特别强调如何rff-CBF为基础的控制器经验优于基准控制器从文献中提高交叉口的吞吐量，同时保持安全性和可行性。最后，我们证明了我们提出的ff-CBF控制律交叉口的情况下，在实验室环境中收集的5个非通信AION地面漫游车。
2022-10-03 cs.SY eess.SY math.OC
Funnel MPC with feasibility constraints for nonlinear systems with arbitrary relative degree
利用最近引入的漏斗预测控制技术，研究了相对阶已知且内动态稳定的非线性系统的跟踪控制问题。我们的目标是实现规定的性能漏斗内的跟踪误差的演变。我们提出了一种新的阶段成本漏斗MPC，早期的设计扩展到任意相对程度的情况下，并表明，控制目标以及初始和递归的可行性总是实现-不需要任何终端条件或足够长的预测范围。我们只在最优控制问题中施加一个额外的可行性约束。
2022-05-25 math.OC
Learning Hybrid Control Barrier Functions from Data
KTH Royal Institute of Technology（瑞典皇家理工学院）；University of Pennsylvania（宾夕法尼亚大学）；Google Brain Robotics（谷歌大脑机器人）
由于缺乏系统的工具来获得安全的控制律的混杂系统，我们提出了一个基于优化的框架，从数据中学习可证明安全的控制律。特别是，我们假设一个设置中的系统动态是已知的，其中的数据表现出安全的系统行为是可用的。我们提出了混合控制障碍函数的混杂系统作为一种手段来合成安全的控制输入。基于这一概念，我们提出了一个基于优化的框架来学习这样的混合控制障碍函数从数据。重要的是，我们确定充分条件的数据，使优化问题的可行性，确保学习的混合控制障碍函数的正确性，因此系统的安全性。我们说明我们的研究结果在两个模拟研究，包括指南针步态步行。
2020-11-08 cs.LG cs.SY eess.SY
On Polynomial Stochastic Barrier Functions: Bernstein Versus Sum-of-Squares
本文提出基于 Bernstein 多项式的随机障碍函数新建模形式，将 SoS 所需的 SDP 转化为 LP，并通过理论与实验比较揭示其收敛优势与实际性能差距。
2025-06-10 cs.SY eess.SY math.OC
Safe Control of Semi-Explicit Differential-Algebraic Systems: Control Barrier Functions with SOS Verification
Vanderbilt University（范德堡大学）
本文针对半显式微分代数系统提出DAE感知控制障碍函数框架，通过投影向量场和SOS验证确保安全性与可行性，并在电力系统中验证。
2026-10-08 cs.SY eess.SY math.OC
A Riemannian Variational and Spectral Framework for High-Dimensional Sphere Packing: Barrier-Dynamics Reconciliation, Periodic Rigidity, and Discrete-Time Guarantees
该文提出一个统一框架，调和周期球堆积的势垒几何模型与可证明收敛的离散动力学，证明势垒到KKT一致性、周期刚性及谱投影内部轨迹方法的局部线性收敛。
2025-09-25 math.MG math.OC
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
Optimal self-concordant barriers for quantum relative entropies
量子相对熵是两个正定矩阵的联合凸函数，它推广了Kullback-Leibler发散，并在量子信息论中自然出现。本文证明了各种量子相对熵和发散度的epigraphs的自然势垒函数的自协调性。此外，我们表明，这些障碍有最佳的障碍参数。这些障碍允许凸优化问题，涉及量子相对熵直接解决使用非对称锥的内点方法，避免了以前的方法中使用的近似和提升技术。更一般地说，我们建立了各种封闭的凸锥的自然障碍的自协调有关的非交换视角的运营商凹函数，并表明，由此产生的障碍参数是最佳的。
2023-02-19 math.OC quant-ph
Formal Safety Verification for Nonlinear Systems with Generative Barrier Certificate
Shanghai Key Lab of Trustworthy Computing, East China Normal University（华东师范大学）；College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院）
该研究针对非线性系统安全验证中障碍证书推导计算成本高的问题，提出基于大语言模型的生成式框架，将BMI问题转化为LMI测试，实现了远超传统方法的速度与性能提升。
2026-08-20 cs.SY eess.SY math.OC
Control Barrier Function Meets Interval Analysis: Safety-Critical Control with Measurement and Actuation Uncertainties
本文提出了一个框架，设计可证明安全的反馈控制器的采样数据控制仿射系统的测量和驱动的不确定性。基于非线性函数的区间Taylor模型，提出了保证采样系统安全集前向不变性的采样控制障碍函数（CBF）条件。可达集过逼近和Lasserre的多项式优化的层次被用来寻找采样数据CBF条件下的边际项。分别针对相对度为1和相对度较高的CBF，给出了存在测量和驱动不确定性时系统安全控制的充分条件。通过两个数值例子和一个实验例子说明了所提出的方法的有效性，该实验例子实现了Crazyflie四轴飞行器上的实时控制器。
2021-10-03 cs.SY eess.SY math.OC
Auxiliary-Variable Adaptive Control Lyapunov Barrier Functions for Spatio-Temporally Constrained Safety-Critical Applications
本文提出辅助变量自适应控制李雅普诺夫屏障函数（AVCLBFs），以解决严格控制边界下基于QP的安全与时空约束不可行问题，适用于任意相对阶系统，并在可行性与自适应性上优于现有技术。
2024-07-25 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
Feasibility-Guided Learning for Robust Control in Constrained Optimal Control Problems
Boston University（波士顿大学）
通过使用控制障碍函数和控制李雅普诺夫函数，可以将保证安全性和收敛到期望状态的约束最优控制问题映射为一系列实时优化问题。在这些方法中的主要挑战之一是确保所得到的二次规划（QP）的可行性，如果系统是仿射控制。最近提出的惩罚方法有可能改善这类问题的可行解的存在性。在本文中，我们进一步提高了可行性鲁棒性（即，在存在时变和未知的不安全集的情况下的可行性维护），通过定义适用于任意相对度约束的高阶CBF（HOCBF）;这是通过提出的可行性指导学习方法实现的。具体来说，我们应用机器学习技术，将HOCBF的参数空间分为可行集和不可行集，并得到一个可微分类器，然后将其添加到学习过程中。所提出的可行性指导的学习方法进行了比较与梯度下降法的机器人控制问题。仿真结果表明，改进的能力的可行性指导的学习方法的梯度下降的方法，以确定最佳参数的可行性鲁棒性的HOCBF的定义，以及显示的CBF方法在未知环境中的机器人安全导航的潜力。
2019-12-06 cs.LG cs.SY eess.SY
Iterative Convex Optimization for Model Predictive Control with Discrete-Time High-Order Control Barrier Functions
University of California, Berkeley（加州大学伯克利分校）；Boston University（波士顿大学）
针对含安全约束的MPC实时求解难题，提出迭代凸优化框架，通过逐时步线性化动力学与DHOCBF约束，支持任意相对度并兼顾安全保证与计算效率。
2023-07-13 cs.RO cs.SY eess.SY
Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions
University of California, Berkeley（加州大学伯克利分校）；Georgia Institute of Technology（佐治亚理工学院）
本文提出一种基于高斯过程和控制屏障函数的概率安全在线学习框架，通过事件触发数据收集保证安全控制器递归可行，并以高概率维持安全集前向不变性。
2024-09-03 cs.LG cs.SY eess.SY
Distributed Safe Resource Allocation using Barrier Functions
资源分配在智能电网、通信网络和城市交通系统等许多网络系统中起着核心作用。在这些系统中，许多约束具有物理意义，并且具有可行的分配通常对于避免系统崩溃至关重要。因此，具有渐近可行性保证的算法通常是不够的，因为运行无限轮的算法是不切实际的。提出了一种基于障碍函数的分布式可行资源分配方法。在DFM中，每一个策略都是可行的，因此可以安全地实现。我们证明了在温和的条件下，DFM收敛到最优解的任意小邻域。数值实验证明了DFM的竞争性能。
2022-07-13 math.OC
Predictive Control Barrier Functions for Discrete-Time Linear Systems with Unmodeled Delays
Department of Electrical Engineering, BYU（BYU电气工程系）；Department of Mechanical Engineering, University of Maryland, Baltimore County（马里兰大学巴尔的摩县机械工程系）
针对含未知相对阶的离散时间系统状态约束问题，提出预测控制障碍函数框架，通过扩展预测时域构建相对阶为1的关联系统CBF，无需辅助函数且安全集不保守，在双积分器和双旋翼系统上验证有效。
2025-10-01 cs.RO cs.SY eess.SY
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
Strong Invariance Using Control Barrier Functions: A Clarke Tangent Cone Approach
许多控制应用要求系统被约束到一组特定的状态，通常被称为安全集。一种实用且灵活的用于呈现安全集前向不变的方法涉及使用控制障碍函数和二次规划方法来计算控制输入。然而，许多先前的结果要求得到的控制输入是连续的，这需要强假设或可能难以从理论上证明。在本文中，我们使用微分包含的方法，同时呈现多个集不变，可以使用一个不连续的控制输入来完成。我们提出了一个优化配方，计算这样的控制输入，可以构成多种形式，包括可行性问题，线性规划，或二次规划。此外，我们讨论的条件下，最优化问题是可行的，并表明任何可行解所考虑的最优化问题，这是可测量的多个安全集向前不变。
2020-04-07 math.OC
Robust Control Barrier Function Design for High Relative Degree Systems: Application to Unknown Moving Obstacle Collision Avoidance
本文将光滑鲁棒控制屏障函数sRCBF与CBF反步法结合，把未知障碍物动力学视为扰动并仅需扰动上界，实现高相对阶系统对未知移动障碍物的安全避撞。
2024-12-04 math.OC
Feasible Space Monitoring for Multiple Control Barrier Functions with application to Large Scale Indoor Navigation
Toyota Motor North America, Research & Development（丰田北美汽车研发中心）；University of Michigan（密歇根大学）
针对多CBF约束QP可能无解的问题，提出用可行空间体积构建FS-CBF以保证相容性，并在大规模动态室内导航中验证其优于标准CBF-QP。
2024-12-02 cs.RO math.OC
Control Barrier Functions-based Semi-Definite Programs (CBF-SDPs): Robust Safe Control For Dynamic Systems with Relative Degree Two Safety Indices
Carnegie Mellon University（卡内基梅隆大学）
在这篇文章中，我们考虑的问题，实现安全控制的动态系统的安全指标或（控制障碍功能（松散））具有相对程度等于2。我们考虑参数仿射非线性动态系统，并假设参数的不确定性是一致的，已知的先验或通过估计器/参数自适应律在线更新。在这种不确定性下，通常的CBF-QP安全控制方法采取鲁棒最优化问题的形式。不等式约束的右侧和左侧都依赖于未知参数。在给定的不确定性表示下，CBF-QP安全控制最终成为一个凸半无限问题。使用两种不同的哲学，一种基于弱对偶，另一种基于无损s-过程，我们得出了这个鲁棒CBF-QP问题的相同SDP公式。因此，我们表明，计算安全控制与已知的参数不确定性的问题可以构成一个易于处理的凸问题，并在线解决。(This正在进行中）。
2022-08-25 cs.RO math.OC
Higher-Order Mean-Field Control Barrier Functions
Emory University（埃默里大学）；Colorado School of Mines（科罗拉多矿业学院）
针对平均场控制障碍函数无法处理无控制一阶导数约束的问题，提出高阶MF-CBFs理论，通过高阶微分不等式确保安全，并应用于双积分器群体跟踪与避障。
2026-09-29 math.OC
Safety-critical Control with Control Barrier Functions: A Hierarchical Optimization Framework
本文提出一种分层优化框架，通过安全优先方法分解多目标优化问题，解决潜在不可行性并提升系统性能，通过实例验证了其在安全性和收敛速度上的优势。
2024-10-21 cs.RO math.OC
An Inexact Restoration Direct Multisearch Filter Approach to Multiobjective Constrained Derivative-free Optimization
本文提出结合非精确可行恢复的过滤方法处理DMS框架中的约束，避免计算惩罚参数，理论分析与数值实验均表明其良好性能。
2024-01-16 math.OC
A Control Barrier Function Approach to Constrained Resource Allocation Problems in a Maximum Entropy Principle Framework
本文提出一种结合控制障碍函数与最大熵原理的动态控制方法，将受限设施选址问题重构为动态控制设计，显著提升了大规模组合优化问题的求解效率与解质量。
2025-04-02 math.OC
Noncooperative Herding With Control Barrier Functions: Theory and Experiments
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；Carnegie Mellon University（卡内基梅隆大学）
在本文中，我们考虑的问题，保护一个高价值的单位无意中攻击一组代理使用防御机器人。具体来说，我们开发了一种控制策略，我们称之为“狗机器人”的防御代理，以防止一群“羊代理”违反保护区。我们求助于控制屏障功能来提出这个问题，并利用羊和狗之间的相互作用动力学来找到狗的速度，导致羊被排斥出该区域。我们反应性地解决了一个QP，该QP结合了防御约束来计算所有狗的期望速度。由于这一点，我们提出的框架是可组合的\textit{i.e.}，它允许同时包括多个保护区的狗机器人的速度约束。我们提供了一个理论证明，我们的策略的可行性的一只狗/一只羊的情况下。此外，我们提供了经验的结果，两个狗捍卫保护区从10羊平均超过100模拟和报告的成功率高。我们还证明了这种算法的实验上的非完整机器人。这些结果的视频可在https://tinyurl.com/4dj2kjwx上获得。
2022-04-22 cs.RO math.OC
Recursive Feasibility Guided Optimal Parameter Adaptation of Differential Convex Optimization Policies for Safety-Critical Systems
University of Michigan（密歇根大学）
基于二次规划（QP）的状态反馈控制器，其不等式约束将控制障碍变化率（CBF）和李雅普诺夫函数与其值的类$\mathcal{K}$函数绑定，对这些类$\mathcal{K}$函数的参数敏感。然而，有效CBF的构造并不简单，并且对于任意选择的QP参数，系统轨迹可能进入QP最终变得不可行或可能无法实现期望性能的状态。在这项工作中，我们提出的控制综合问题作为一个微分政策，其参数优化的性能在一个时间范围内在高层次上，从而导致在一个双层优化例程。在缺乏可行参数集知识的情况下，我们开发了一种递归可行性引导梯度下降方法来更新QP参数，以便新解决方案的性能至少与之前的解决方案一样好。通过将动力系统视为随时间的有向图，这项工作提出了一种新的方法，通过（1）采用灵敏度分析，使用其解相对于其参数的梯度，以及（2）反向传播这些以及系统动态梯度来更新参数，同时保持QP的可行性，来优化多个CBF的QP控制器在时间范围内的性能。
2022-06-16 cs.RO math.OC
Interior Point Methods for Structured Quantum Relative Entropy Optimization Problems
本文提出利用量子信息理论应用中的结构改进量子相对熵优化问题的内点法，通过证明复合正线性算子的障碍函数自协调性并利用锥切片性质，将计算时间提升数个数量级，解决此前难解的问题。
2025-04-19 cs.IT math.IT math.OC
