Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints

要約

この記事では、入力制約の下で動的システムの内部セーフセットを最大化するために、パレート制御バリア関数(PCBF)アルゴリズムを紹介します。
従来の制御バリア関数(CBFS)は、安全なセット内でシステムの軌跡を維持することにより安全性を確保しますが、多くの場合、現実的な入力の制約を考慮しません。
この問題に対処するために、パレートのマルチタスク学習フレームワークを活用して、安全性と安全なセットボリュームの競合する目標のバランスを取ります。
PCBFアルゴリズムは、高次元システムに適用でき、計算効率です。
倒立振り子のハミルトン – ヤコビの到達可能性との比較および12次元四肢装置のシミュレーションを通じて、その有効性を検証します。
結果は、PCBFが既存の方法を常に上回り、より大きな安全セットを生み出し、入力制約の下で安全性を確保することを示しています。

要約(オリジナル)

This article introduces the Pareto Control Barrier Function (PCBF) algorithm to maximize the inner safe set of dynamical systems under input constraints. Traditional Control Barrier Functions (CBFs) ensure safety by maintaining system trajectories within a safe set but often fail to account for realistic input constraints. To address this problem, we leverage the Pareto multi-task learning framework to balance competing objectives of safety and safe set volume. The PCBF algorithm is applicable to high-dimensional systems and is computationally efficient. We validate its effectiveness through comparison with Hamilton-Jacobi reachability for an inverted pendulum and through simulations on a 12-dimensional quadrotor system. Results show that the PCBF consistently outperforms existing methods, yielding larger safe sets and ensuring safety under input constraints.

arxiv情報

著者 Xiaoyang Cao,Zhe Fu,Alexandre M. Bayen
発行日 2025-03-20 17:05:28+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO, math.OC パーマリンク