A Safety-Aware Shared Autonomy Framework with BarrierIK Using Control Barrier Functions
作者: Berk Guler, Kay Pompetzki, Yuanzheng Sun, Simon Manschitz, Jan Peters
分类: cs.RO
发布日期: 2026-03-02
备注: Accepted on ICRA 2026, 9 pages, 5 figures
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出基于控制障碍函数的安全共享自主框架以解决环境拥挤问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 共享自主 控制障碍函数 逆向运动学 安全性 人机协作 虚拟现实 机器人技术
📋 核心要点
- 现有的共享自主方法在拥挤环境中可能产生不安全的指令，无法提供硬性安全保证。
- 本文提出在逆向运动学层面引入控制障碍函数，以确保在执行任务时的安全性。
- 实验结果显示，使用CBFs可以显著减少违规时间，提高最小间隙，并提升用户的安全感和信任度。
📝 摘要（中文）
共享自主结合了操作员意图与自主辅助。在拥挤环境中，线性混合可能产生不安全的指令，即使每个源单独是无碰撞的。许多现有方法通过势能或成本项建模障碍物避免，仅将安全性作为软约束。相对而言，安全关键控制需要硬性保证。本文研究了在共享自主的逆向运动学层面使用控制障碍函数（CBFs），旨在在保持任务性能的同时实现后混合安全。通过在典型拥挤环境中的仿真评估和虚拟现实远程操作研究，结果表明在IK层使用CBFs可以减少违规时间并增加最小间隙，同时保持任务性能。在用户研究中，参与者报告了更高的安全感和信任感，干扰更低，并整体偏好带有安全过滤器的共享自主。
🔬 方法详解
问题定义：本文旨在解决共享自主在拥挤环境中可能产生的不安全指令问题。现有方法通常只提供软约束，无法确保硬性安全性。
核心思路：通过在逆向运动学层面引入控制障碍函数（CBFs），确保在执行任务时的安全性，同时保持任务性能。这样的设计能够在确保安全的同时，减少对操作员的干扰。
技术框架：整体框架包括三个主要模块：1) 操作员意图的提取；2) 自主控制的生成；3) 逆向运动学层面的安全性保障。每个模块相互协作，以实现安全的共享自主。
关键创新：最重要的创新在于将控制障碍函数应用于逆向运动学层面，提供了硬性安全保证，与传统的软约束方法形成鲜明对比。
关键设计：在设计中，关键参数包括控制障碍函数的阈值设置，损失函数的选择，以及逆向运动学算法的优化策略。这些设计确保了在复杂环境中仍能保持高效的任务执行。
🖼️ 关键图片
📊 实验亮点
实验结果表明，使用控制障碍函数的共享自主系统在违规时间上减少了显著的百分比，并且最小间隙提高了，用户在体验中报告的安全感和信任度也显著提升，显示出该方法的有效性。
🎯 应用场景
该研究的潜在应用领域包括机器人远程操作、自动驾驶车辆以及人机协作系统等。通过提供安全保障，该框架能够在复杂环境中有效提升操作员的信任感和安全感，具有重要的实际价值和未来影响。
📄 摘要（原文）
Shared autonomy blends operator intent with autonomous assistance. In cluttered environments, linear blending can produce unsafe commands even when each source is individually collision-free. Many existing approaches model obstacle avoidance through potentials or cost terms, which only enforce safety as a soft constraint. In contrast, safety-critical control requires hard guarantees. We investigate the use of control barrier functions (CBFs) at the inverse kinematics (IK) layer of shared autonomy, targeting post-blend safety while preserving task performance. Our approach is evaluated in simulation on representative cluttered environments and in a VR teleoperation study comparing pure teleoperation with shared autonomy. Across conditions, employing CBFs at the IK layer reduces violation time and increases minimum clearance while maintaining task performance. In the user study, participants reported higher perceived safety and trust, lower interference, and an overall preference for shared autonomy with our safety filter. Additional materials available at https://berkguler.github.io/barrierik.