控制障碍函数理论的进展：应对自主与机器人系统安全控制综合中的实际挑战
最优化与控制
2023-12-29 v1 系统与控制
系统与控制
摘要
本教程论文介绍了作者近期的工作，这些工作扩展了控制障碍函数(Control Barrier Functions, CBFs)理论，以应对自主系统与机器人安全控制器综合中的实际挑战。我们提出了新颖的 CBFs 和方法，用于处理在干扰下具有时间和输入约束的安全约束、在干扰和输入约束下具有高相对阶的安全约束，以及受对抗性输入和采样数据效应影响的安全约束。随后，我们提出了防止 CBF 丧失有效性的新颖 CBFs 和自适应方法，以及在线调整 CBF 参数以降低系统响应保守性的方法。我们还通过引入考虑未来轨迹的 CBF 公式，解决了 CBF 诱导的控制输入仅具有逐点最优特性的问题，并探讨了诸如在使用输出反馈控制和零阶保持控制时如何保持安全性等实现挑战。最后，我们考虑了在存在不连续输入和多重约束时如何综合非光滑 CBFs。
引用
@article{arxiv.2312.16719,
title = {Advances in the Theory of Control Barrier Functions: Addressing Practical Challenges in Safe Control Synthesis for Autonomous and Robotic Systems},
author = {Kunal Garg and James Usevitch and Joseph Breeden and Mitchell Black and Devansh Agrawal and Hardik Parwana and Dimitra Panagou},
journal= {arXiv preprint arXiv:2312.16719},
year = {2023}
}
备注
Submitted to Annual Reviews in Control