Control Barrier Corridors: From Safety Functions to Safe Sets
作者: Ömür Arslan, Nikolay Atanasov
分类: cs.RO, eess.SY
发布日期: 2026-03-06
备注: 12 pages, 6 figures, an extended preprint version of a conference paper
💡 一句话要点
提出控制屏障走廊，统一控制屏障函数与安全运动走廊，实现安全自主导航。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 控制屏障函数 安全运动走廊 自主导航 安全控制 机器人
📋 核心要点
- 现有控制屏障函数和安全运动走廊方法在安全自主导航中各自存在局限性，缺乏统一的理论框架。
- 论文提出控制屏障走廊，将控制屏障函数转化为局部安全目标区域，从而统一函数式和几何式安全方法。
- 实验证明，该方法在全驱动系统、单轮车和线性输出调节系统上有效，实现了安全且持久的路径跟踪。
📝 摘要（中文）
在非结构化复杂环境中安全运行是机器人的一项关键需求和重要保障。控制屏障函数和安全运动走廊是两种广泛使用的安全方法，分别从函数和几何角度出发，用于安全运动规划和控制。控制屏障函数通过安全过滤控制输入来限制系统安全性的衰减率，而安全运动走廊则通过几何方式构建，在系统状态周围定义一个局部安全区域，用于运动优化和参考调控器设计。本文提出了一种新的控制屏障走廊概念，它通过将控制屏障函数转换为反馈控制系统中参考目标选择的局部安全目标区域，从而统一了这两种方法。我们通过全驱动系统、运动学单轮车和线性输出调节系统的例子表明，如果控制收敛速度与屏障衰减速度相匹配，则单个状态安全性可以在凸屏障函数的控制屏障走廊上局部扩展，突出了安全性和反应性之间的权衡。这种安全的控制屏障走廊能够在系统运动过程中，在不断变化的屏障走廊上安全地选择可达的持久目标，我们通过在未知环境的自主探索中进行可验证的安全和持久路径跟踪来证明这一点。
🔬 方法详解
问题定义：现有方法中，控制屏障函数和安全运动走廊是两种独立的安全方法，前者侧重于控制输入的安全过滤，后者侧重于几何约束下的安全区域构建。缺乏一个统一的框架来结合两者的优点，难以在复杂环境中实现既安全又高效的自主导航。现有方法在安全性和反应性之间存在权衡，难以同时保证。
核心思路：论文的核心思路是将控制屏障函数转化为局部安全目标区域，从而将函数式的安全约束融入到几何式的运动规划中。通过定义控制屏障走廊，将控制屏障函数提供的安全信息转化为可供参考目标选择的安全区域，从而实现安全且持久的导航。
技术框架：整体框架包括以下几个主要阶段： 1. 控制屏障函数定义：针对特定系统，定义合适的控制屏障函数，确保系统状态保持在安全区域内。 2. 控制屏障走廊构建：基于控制屏障函数，构建局部安全目标区域，即控制屏障走廊。 3. 参考目标选择：在控制屏障走廊内选择参考目标，确保系统能够安全地朝着目标运动。 4. 反馈控制：设计反馈控制器，使系统状态收敛到选定的参考目标，同时保证控制收敛速度与屏障衰减速度相匹配。
关键创新：最重要的技术创新点在于提出了控制屏障走廊的概念，它将控制屏障函数提供的安全信息转化为可供参考目标选择的安全区域，从而统一了控制屏障函数和安全运动走廊两种方法。与现有方法的本质区别在于，它提供了一个统一的框架，可以在保证安全性的同时，实现高效的自主导航。
关键设计：关键设计包括： 1. 控制收敛速度与屏障衰减速度的匹配：需要仔细调整控制器的参数，确保控制收敛速度与屏障衰减速度相匹配，以保证系统的安全性。 2. 控制屏障函数的选择：需要根据具体的系统和环境选择合适的控制屏障函数，以确保系统状态能够保持在安全区域内。 3. 参考目标选择策略：需要在控制屏障走廊内设计合适的参考目标选择策略，以实现安全且高效的导航。
🖼️ 关键图片
📊 实验亮点
论文通过在全驱动系统、运动学单轮车和线性输出调节系统上的实验验证了控制屏障走廊的有效性。实验结果表明，该方法能够实现安全且持久的路径跟踪，即使在未知环境中也能保证机器人的安全性。具体的性能数据和提升幅度未知，需要在论文中查找。
🎯 应用场景
该研究成果可应用于各种需要安全自主导航的机器人系统，例如无人驾驶汽车、无人机、服务机器人等。尤其适用于在复杂、动态和未知的环境中运行的机器人，例如自主探索、搜救任务、环境监测等。通过控制屏障走廊，可以保证机器人在执行任务的同时，始终保持在安全区域内，避免碰撞和危险。
📄 摘要（原文）
Safe autonomy is a critical requirement and a key enabler for robots to operate safely in unstructured complex environments. Control barrier functions and safe motion corridors are two widely used but technically distinct safety methods, functional and geometric, respectively, for safe motion planning and control. Control barrier functions are applied to the safety filtering of control inputs to limit the decay rate of system safety, whereas safe motion corridors are geometrically constructed to define a local safe zone around the system state for use in motion optimization and reference-governor design. This paper introduces a new notion of control barrier corridors, which unifies these two approaches by converting control barrier functions into local safe goal regions for reference goal selection in feedback control systems. We show, with examples on fully actuated systems, kinematic unicycles, and linear output regulation systems, that individual state safety can be extended locally over control barrier corridors for convex barrier functions, provided the control convergence rate matches the barrier decay rate, highlighting a trade-off between safety and reactiveness. Such safe control barrier corridors enable safely reachable persistent goal selection over continuously changing barrier corridors during system motion, which we demonstrate for verifiably safe and persistent path following in autonomous exploration of unknown environments.