面向基于物理信息神经网络的控制屏障函数合成中的相对次数问题
系统与控制
2025-04-09 v1 机器人学
系统与控制
摘要
在机器人领域，基于控制屏障函数 (CBF) 的安全滤波器常用于强制执行状态约束。当 CBF 的相对次数在状态空间中变化时，便会出现关键挑战。这种可变性会在安全集合的某个区域创建控制输入不可约束的区域。当作为安全滤波器实现时，这可能导致安全边界附近出现颤动，从而最终损害系统安全性。为解决此问题，我们提出了一种通过将其形式化为求解一组边界值问题来合成 CBF 的新方法。通过基于物理信息神经网络 (PINN) 求解边界值问题来确定其解。我们的做法确保合成的 CBF 在可接受状态集合上的相对次数保持恒定，从而防止出现不可约束的控制情形。我们在仿真中展示了该方法，并通过实际的四旋翼机实验进一步验证其有效性，证明其在保持所需系统安全属性方面具有效果。
引用
@article{arxiv.2504.06242,
title = {Addressing Relative Degree Issues in Control Barrier Function Synthesis with Physics-Informed Neural Networks},
author = {Lukas Brunke and Siqi Zhou and Francesco D'Orazio and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2504.06242},
year = {2025}
}
备注
8 pages, 5 figures