输入约束下内安全集最大化的帕累托控制障碍函数
最优化与控制
2025-03-21 v2 人工智能
机器人学
摘要
本文提出帕累托控制障碍函数(PCBF)算法,用于在输入约束下最大化动力系统的内安全集。传统控制障碍函数(CBF)通过将系统轨迹维持在安全集内来保证安全性,但往往未能考虑实际的输入约束。为解决此问题,我们利用帕累托多任务学习框架来平衡安全性与安全集体积这两个相互竞争的目标。PCBF算法适用于高维系统且计算高效。我们通过与倒立摆的Hamilton-Jacobi可达性分析进行对比,并在一个12维四旋翼系统上进行仿真,验证了其有效性。结果表明,PCBF始终优于现有方法,在输入约束下能获得更大的安全集并确保安全性。
引用
@article{arxiv.2410.04260,
title = {Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints},
author = {Xiaoyang Cao and Zhe Fu and Alexandre M. Bayen},
journal= {arXiv preprint arXiv:2410.04260},
year = {2025}
}
备注
Accepted for presentation at American Control Conference 2025