⚡ electrical engineering

Safety Filtering with an Infinite Number of Constraints

Diese Arbeit erweitert die Theorie der Kontrollbarrierefunktionen (CBFs) auf den Fall unendlich vieler Sicherheitsbedingungen, indem sie notwendige und hinreichende Bedingungen für die Invarianz sicherer Mengen herleitet, die Regularität der resultierenden Regler untersucht und die Theorie mit optimalen Abkling-CBFs sowie Backup-CBFs verbindet.

Ursprüngliche Autoren: Max H. Cohen, Pio Ong, Pol Mestres, Aaron D. Ames

Veröffentlicht 2026-04-20

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Max H. Cohen, Pio Ong, Pol Mestres, Aaron D. Ames

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie steuern ein autonomes Fahrzeug. Ihre wichtigste Aufgabe ist es, niemals gegen etwas zu fahren. In der Welt der Robotik nennen wir das „Sicherheit".

Bisher hatten Wissenschaftler ein sehr gutes Werkzeug, um diese Sicherheit zu garantieren: Die sogenannten CBFs (Control Barrier Functions). Man kann sich das wie einen unsichtbaren, elastischen Zaun vorstellen. Solange das Auto innerhalb dieses Zauns bleibt, ist es sicher. Wenn der Zaun jedoch nur aus ein paar festen Pfosten besteht (ein paar wenige Hindernisse), funktioniert das System gut.

Aber was passiert, wenn der Zaun nicht aus Pfosten besteht, sondern aus unendlich vielen winzigen Punkten?

Das Problem: Der unendliche Zaun

In der realen Welt gibt es Situationen, in denen die Sicherheit nicht durch ein paar einfache Regeln, sondern durch eine unendliche Menge von Bedingungen definiert wird.

Ein gutes Beispiel dafür ist die „Backup-Strategie":
Stellen Sie sich vor, Ihr Auto fährt auf einer Straße. Es gibt einen kleinen, sehr sicheren Bereich (den „Backup-Bereich"), in dem das Auto immer sicher ist, egal was passiert. Aber das Auto möchte eigentlich weiter hinausfahren, in einen größeren Bereich.
Die Frage ist: Kann das Auto aus jedem Punkt dieses größeren Bereichs starten und trotzdem in den sicheren Bereich zurückkehren, bevor es einen Unfall baut?

Um das zu prüfen, müsste man theoretisch für jeden einzelnen Moment der Zeit (unendlich viele Zeitpunkte) prüfen, ob das Auto sicher bleibt. Das sind unendlich viele Regeln auf einmal. Bisher war die Mathematik dafür etwas holprig: Man wusste nicht genau, ob man alle diese unendlichen Regeln einhalten musste, und die Computer-Steuerungen wurden oft instabil oder sprangen wild hin und her, weil sie zu viele Bedingungen gleichzeitig verarbeiten mussten.

Die Lösung: Ein neuer, smarter Zaun

Dieses Papier von Max H. Cohen und Kollegen bringt nun eine revolutionäre Idee, wie man mit diesem „unendlichen Zaun" umgeht. Sie haben die Theorie so erweitert, dass sie auch für unendlich viele Regeln funktioniert.

Hier sind die drei wichtigsten Ideen, vereinfacht erklärt:

1. Der „Schlüssel" zur Unendlichkeit (Regelmäßigkeit)
Stellen Sie sich vor, Sie müssten einen riesigen, unendlichen Garten mit einem Zaun umgeben. Wenn Sie jeden einzelnen Stein des Zauns einzeln prüfen müssten, würden Sie ewig brauchen.
Die Autoren zeigen nun: Man muss nicht jeden Stein einzeln prüfen. Wenn der Zaun „gut gebaut" ist (mathematisch: glatt und zusammenhängend), reicht es aus, sich nur die kritischen Punkte anzusehen – also genau dort, wo das Auto den Zaun berührt. Sie haben bewiesen, dass man unter bestimmten Bedingungen die unendliche Menge von Regeln auf eine handhabbare Formel reduzieren kann. Es ist, als würde man sagen: „Wenn du an den gefährlichsten Stellen sicher bist, bist du überall sicher."

2. Der „Optimale Abkling-Regler" (OD-CBF)
Früher mussten die Computer für jede der unendlichen Regeln einen eigenen „Notfall-Plan" berechnen. Das war wie ein Orchester, bei dem jeder Musiker sein eigenes Tempo spielt – das Ergebnis war chaotisch.
Die Autoren führen eine neue Methode ein, die sie OD-CBF nennen. Stellen Sie sich das wie einen Dirigenten vor, der nur einen einzigen Taktstock (eine Variable) benutzt, um das gesamte Orchester zu leiten.
Anstatt für jede der unendlichen Regeln einen eigenen Parameter zu suchen, erlaubt diese Methode dem Computer, einen einzigen „Sicherheits-Regler" zu finden, der automatisch für alle unendlichen Bedingungen gleichzeitig sorgt. Das macht die Berechnung viel stabiler und sorgt dafür, dass das Auto nicht mehr zittert oder stecken bleibt, sondern sanft und sicher fährt.

3. Von Unendlich auf Endlich (Die Diskretisierung)
Auch wenn die Theorie unendlich viele Regeln hat, muss der Computer am Ende nur endlich viele berechnen.
Die Autoren zeigen, wie man diese unendliche Menge clever in eine endliche Anzahl von Stützpunkten verwandelt.

Die Analogie: Stellen Sie sich vor, Sie wollen die Form eines riesigen Sees vermessen. Sie können nicht jeden Wassertropfen messen. Aber wenn Sie an strategisch wichtigen Stellen (den „Stützpunkten") messen und wissen, dass der See eine glatte Form hat, können Sie daraus den gesamten See rekonstruieren.
Das Papier liefert die mathematische Garantie dafür: Wenn Sie diese endlich vielen Punkte einhalten, haben Sie automatisch auch alle die unendlich vielen anderen Punkte im Griff.

Das Ergebnis im echten Leben

Im letzten Teil des Papiers testen sie das an einem einfachen Modell (einem „Doppel-Integrator", also einem Objekt, das sich bewegt und beschleunigt).

Ohne ihre Methode: Das Auto versucht, die Regeln zu befolgen, aber an manchen Stellen wird es „verwirrt" und findet keine Lösung mehr (die Steuerung bricht zusammen).
Mit ihrer Methode: Das Auto findet immer einen Weg. Der neue „Dirigent" (der OD-Regler) sorgt dafür, dass das Auto auch in den schwierigsten Situationen einen sicheren Pfad findet und die Steuerung flüssig und stetig bleibt.

Fazit

Zusammenfassend sagen die Autoren: „Wir haben die Mathematik so weit entwickelt, dass wir auch die komplexesten, unendlich komplizierten Sicherheitsregeln für autonome Systeme handhaben können. Wir haben gezeigt, wie man diese Unendlichkeit in eine endliche, berechenbare Form bringt, ohne dabei die Sicherheit zu gefährden."

Das ist ein großer Schritt, damit Roboter und autonome Fahrzeuge in der echten Welt nicht nur theoretisch sicher sind, sondern es auch in der Praxis wirklich werden.

Titel: Safety Filtering mit einer unendlichen Anzahl von Nebenbedingungen

Autoren: Max H. Cohen, Pio Ong, Pol Mestres und Aaron D. Ames.

1. Problemstellung

Kontrollbarrierefunktionen (Control Barrier Functions, CBFs) bieten einen rigorosen Rahmen für den Entwurf von Reglern, die Sicherheitsbeschränkungen für autonome Systeme einhalten. Während die CBF-Theorie für eine endliche Anzahl von Sicherheitsbeschränkungen gut entwickelt ist, stoßen bestimmte Anwendungen an ihre Grenzen, wenn unendlich viele Beschränkungen erforderlich sind.

Ein prominentes Beispiel ist das Backup-CBF-Framework, bei dem eine konservative sichere Menge durch den Fluss des Systems unter einem Backup-Regler erweitert wird. Dies führt zu einer invarianten Menge, die durch unendlich viele Bedingungen charakterisiert ist (eine für jeden Zeitpunkt im Horizont des Backup-Flusses). Weitere Anwendungen umfassen kollisionsfreie Konfigurationen starrer Körper oder Sicherheit unter Zustandsunsicherheit.

Offene theoretische Fragen:
Bisher fehlten fundierte Antworten auf folgende Fragen für Mengen mit unendlichen Beschränkungen:

Was sind notwendige und hinreichende Bedingungen für die Vorwärtsinvarianz dieser Mengen?
Wie ist die Definition von CBFs für diese Mengen genau zu fassen?
Welche Regularitätseigenschaften (z. B. Stetigkeit) haben die daraus resultierenden Regler?
Kann eine unendliche Menge von Beschränkungen auf eine endliche reduziert werden, ohne die Sicherheit zu gefährden?

2. Methodik und theoretischer Rahmen

Die Autoren erweitern die CBF-Theorie auf den Fall, in dem die sichere Menge $S$ durch eine unendliche Familie von Ungleichungen definiert ist:
$S = \{x \in \mathbb{R}^n \mid h(\tau, x) \geq 0, \forall \tau \in T\}$
wobei $T$ eine kompakte Menge von Parametern (z. B. Zeitpunkte) ist und $h$ stetig in $\tau$ und stetig differenzierbar in $x$ ist.

Schlüsselkonzepte und Annahmen:

Gutgestelltheit (Well-posedness): Es wird angenommen, dass für jeden Punkt am Rand der Menge $\partial S$ eine Richtung existiert, in der alle aktiven Beschränkungen ( $h(\tau, x)=0$ ) strikt zunehmen. Dies wird durch Annahme 1 formalisiert und ermöglicht die Konstruktion einer glatten Aufstiegsrichtung (Lemma 1).
Verallgemeinerung von Nagumo's Theorem: Das klassische Nagumo-Theorem, das Invarianz mit Bedingungen am Rand verknüpft, wird auf den unendlichen Fall erweitert.
Optimal-Decay CBFs (OD-CBFs): Um die Lücke zwischen notwendigen/hinreichenden Bedingungen und praktischen Reglerentwürfen zu schließen, führen die Autoren das Konzept der Optimal-Decay Control Barrier Functions ein. Anstatt eine feste Abklingrate $\alpha$ für jede Beschränkung zu erzwingen, wird ein skalierbarer Faktor (ein OD-Parameter $\omega$ ) eingeführt, der die Abklingrate dynamisch anpasst.

3. Wichtige Beiträge und Ergebnisse

A. Bedingungen für Vorwärtsinvarianz

Satz 1 (Vorwärtsinvarianz): Unter der Annahme der Gutgestelltheit und lokaler Lipschitz-Stetigkeit des Vektorfeldes ist die Menge $S$ genau dann vorwärts invariant, wenn für alle $x \in \partial S$ und alle aktiven Parameter $\tau \in \text{Act}(x)$ gilt:
$\frac{\partial h}{\partial x}(\tau, x) F(x) \geq 0$
Dies verallgemeinert die klassische Bedingung $h(x)=0 \implies \dot{h}(x) \geq 0$ auf unendliche Mengen.

B. Notwendige und hinreichende Bedingungen via OD-BFs

Proposition 1: Es wird gezeigt, dass die Existenz einer Optimal-Decay Barrier Function (OD-BF) unter den gegebenen Annahmen eine notwendige und hinreichende Bedingung für die Vorwärtsinvarianz ist. Dies schließt die theoretische Lücke, da die klassische CBF-Bedingung mit festem $\alpha$ oft nur hinreichend, aber nicht notwendig ist.

C. Reglerentwurf und Regularität

Definition 3 (OD-CBF): Für Steuerungssysteme wird eine OD-CBF definiert, die es erlaubt, die unendliche Menge von Beschränkungen mit einem einzelnen Optimierungsvariablen $\omega$ (dem OD-Parameter) zu handhaben. Dies vermeidet die Notwendigkeit unendlich vieler Entscheidungsvariablen.
Proposition 2 & 3 (Existenz und Reduktion): Es wird bewiesen, dass unter der Annahme strikter Zulässigkeit am Rand ein glatter Regler existiert, der die Bedingungen erfüllt.
Proposition 4 (Stetigkeit): Optimierungsbasierte Regler (z. B. via quadratischer Programmierung, QP), die diese unendlichen Beschränkungen erfüllen, sind stetig, auch wenn sie nicht notwendigerweise lokal Lipschitz-stetig sind.
Satz 2 (Sicherheit unter schwächeren Bedingungen): Selbst wenn der geschlossene Regelkreis nur stetig (nicht lokal Lipschitz) ist, kann die Vorwärtsinvarianz garantiert werden, sofern die Bedingung auf der Menge der minimierenden Parameter $M(x)$ erfüllt ist.

D. Reduktion auf endliche Beschränkungen

Proposition 5: Ein zentrales praktisches Ergebnis ist die Möglichkeit, die unendliche Menge von Beschränkungen auf eine endliche Menge zu reduzieren. Wenn die ursprünglichen Beschränkungen strikt erfüllbar sind, existiert eine endliche Untermenge von Parametern $\{\tau_i\}$ , deren Erfüllung die Erfüllung der gesamten unendlichen Menge impliziert. Dies ermöglicht den Einsatz standardisierter Optimierungslöser.

4. Anwendung: Backup CBFs

Die Autoren wenden ihre Theorie auf das Backup-CBF-Framework an.

Problem: Herkömmliche Backup-CBFs (wie in [15]–[18]) verwenden oft feste $\alpha$ -Funktionen für unendlich viele Zeitpunkte. Dies führt in der Praxis häufig zu Infeasibility (Unzulässigkeit) des Optimierungsproblems, da keine feste Abklingrate für alle Zeitpunkte gleichzeitig gefunden werden kann.
Lösung: Durch die Einführung eines OD-Parameters $\omega$ (wie in Gleichung 29) wird die Abklingrate automatisch vom Regler bestimmt.
Simulationsergebnis: An einem Beispiel mit einem Doppelintegrator wird gezeigt, dass der klassische Backup-CBF-Ansatz (ohne OD-Variable) zu undefinierten Dynamiken führt, da das QP-Problem an bestimmten Punkten in der sicheren Menge unlösbar ist. Der vorgeschlagene OD-CBF-Ansatz hingegen liefert einen zulässigen Regler für alle Zustände in der sicheren Menge und definiert die geschlossenen Regelkreisdynamiken korrekt.

5. Bedeutung und Fazit

Dieses Paper schließt eine fundamentale theoretische Lücke in der Sicherheitskontrolle autonomer Systeme.

Theoretische Fundierung: Es liefert die ersten notwendigen und hinreichenden Bedingungen für die Invarianz von Mengen mit unendlichen Beschränkungen.
Praktische Umsetzbarkeit: Es zeigt, wie unendliche Constraints durch OD-CBFs und endliche Reduktionen handhabbar gemacht werden können, ohne die Sicherheit zu kompromittieren.
Robustheit: Die Methode überwindet die Infeasibility-Probleme, die bei der Anwendung von Backup-CBFs mit festen Parametern auftreten, und garantiert die Existenz stetiger Regler.

Zusammenfassend erweitert die Arbeit den Anwendungsbereich von CBFs auf komplexe Szenarien (wie zeitabhängige Sicherheitsgarantien), die bisher theoretisch schwer fassbar waren, und bietet einen robusten Rahmen für deren praktische Implementierung.