⚡ electrical engineering

Verification of High-Order Control Barrier Functions by Computing Class K Functions

Este artículo propone un método de verificación para Funciones de Barrera de Control de Alto Orden (HOCBFs) utilizando una secuencia de programas de Suma de Cuadrados (SOS) para computar funciones de clase K asociadas, garantizando así la seguridad del sistema cuando existen soluciones.

Autores originales: Ellie Pond, Matthew Hale

Publicado 2026-08-03

📖 8 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ellie Pond, Matthew Hale

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás programando una flota de drones de entrega para que se desplacen rápidamente por una ciudad bulliciosa. Quieres que sean rápidos y eficientes, pero lo más importante es que nunca choquen contra edificios, otros drones o personas. En el mundo de la robótica y la ingeniería, este es el santo grial de la "seguridad". Los científicos utilizan herramientas matemáticas llamadas Funciones de Barrera de Control (CBF, por sus siglas en inglés) para actuar como campos de fuerza invisibles alrededor de estos robots. Estos campos de fuerza le dicen al ordenador del robot: "Si vas por aquí, estás a salvo; si vas por allá, estás en problemas".

Sin embargo, hay un detalle complicado. A veces, la física del robot es compleja. Puede que tarde unos segundos en detenerse incluso después de pisar el freno, o que necesite girar antes de poder detenerse. Aquí es donde entran en juego las "CBF de Alto Orden" (High-Order CBFs). Son como una versión más sofisticada del campo de fuerza que tiene en cuenta estos retrasos y movimientos complejos. Pero el problema es que, para que estos campos de fuerza funcionen, los ingenieros tienen que elegir curvas matemáticas específicas, llamadas "funciones de clase K", para definir qué tan estrictas son las reglas de seguridad. Elegir la curva equivocada es como establecer un límite de velocidad que es o demasiado alto (y chocas) o demasiado bajo (y el robot se queda atrapado). Durante mucho tiempo, los ingenieros tuvieron que adivinar estos números, esperando que funcionaran, lo cual es un juego arriesgado cuando hay vidas o equipos costosos en juego.

Este artículo, titulado "Verificación de Funciones de Barrera de Control de Alto Orden mediante el Cálculo de Funciones de Clase K", aborda este juego de adivinanzas de frente. Los autores, Ellie Pond y Matthew T. Hale, proponen una nueva forma de demostrar matemáticamente que las reglas de seguridad de un robot realmente funcionarán antes de que el robot salga siquiera del garaje. En lugar de adivinar las curvas adecuadas, utilizan un tipo poderoso de matemática llamado programación de "Suma de Cuadrados" (Sum-of-Squares o SOS) para calcular automáticamente las curvas de seguridad perfectas. Piensa en ello como un maestro arquitecto que no solo dibuja los planos, sino que ejecuta mil simulaciones por computadora para demostrar que el edificio no colapsará antes de colocar el primer ladrillo.

El artículo muestra que, si su receta matemática encuentra una solución, se garantiza que el robot se mantendrá seguro para siempre, sin importar cómo se mueva o a qué obstáculos se enfrente. Probaron esta idea con una simulación de un robot similar a un monociclo navegando en un espacio con siete zonas de seguridad diferentes (como evitar siete círculos distintos y permanecer dentro de una caja). La computadora generó con éxito las curvas de seguridad necesarias para las siete zonas a la vez, y el robot atravesó la simulación sin romper nunca una regla de seguridad. Aunque esto fue una simulación por computadora y no un robot físico en una calle real, la matemática detrás de ello es sólida, ofreciendo una forma fiable de verificar la seguridad para sistemas complejos que deben seguir múltiples reglas simultáneamente.

Los Campos de Fuerza Invisibles

Para entender por qué esto es tan importante, observemos las herramientas que utiliza el artículo. Imagina que un robot es un coche circulando por una autopista. Una regla de seguridad estándar podría ser: "Mantente en tu carril". En matemáticas, esto es una línea simple. Pero, ¿qué pasa si el coche es pesado y tarda mucho en frenar? Una línea simple no es suficiente; necesitas una regla que diga: "Si estás cerca del borde, debes reducir la velocidad ahora para no salirte deslizándote más tarde". Esto es lo que hace una Función de Barrera de Control de Alto Orden (HOCBF). Es una regla de seguridad que mira hacia adelante, teniendo en cuenta el impulso del robot y cuánto tarda en reaccionar.

Pero para que esta regla de "mirar hacia adelante" funcione, el ingeniero tiene que elegir una forma específica para la regla, conocida como función de clase K. Imagina que estás ajustando la sensibilidad de una alarma de humo. Si la configuras demasiado sensible, se activará cuando tuestas pan (el robot se detiene innecesariamente). Si la configuras demasiado laxa, no se activará hasta que la casa se esté quemando (el robot choca). Durante mucho tiempo, los ingenieros tuvieron que elegir estos "controles de sensibilidad" a mano, a menudo adivinando y probando. Si adivinaban mal, el robot podía quedarse atrapado o, peor aún, el ordenador podía fallar porque no podía encontrar una ruta segura.

La "Calculadora Mágica" para la Seguridad

Los autores de este artículo se dieron cuenta de que, en lugar de adivinar, podían usar un truco matemático para calcular los controles perfectos. Utilizaron un método llamado programación de Suma de Cuadrados (SOS). Puedes pensar en la programación SOS como una calculadora súper inteligente que comprueba si una forma es siempre "positiva" (segura) o "negativa" (insegura).

El descubrimiento principal del artículo es una receta paso a paso (un algoritmo) que utiliza esta calculadora para encontrar las funciones de clase K adecuadas para un robot con múltiples reglas de seguridad. Así es como funciona en su historia:

El Problema: Tenían un robot con siete reglas de seguridad (HOCBF) diferentes que seguir al mismo tiempo. Cada regla tenía su propio "control de sensibilidad" desconocido (función de clase K) para descifrar. Eso son 14 funciones desconocidas en total (dos para cada una de las siete reglas).
La Solución: Construyeron una secuencia de problemas matemáticos. Primero, resolvieron para la primera capa de seguridad, luego usaron ese resultado para resolver la siguiente capa, y así sucesivamente. Es como construir una torre de bloques donde no puedes colocar el segundo bloque hasta que hayas demostrado que el primero es estable.
El Resultado: La computadora encontró con éxito los valores para las 14 funciones desconocidas.

La Prueba de Simulación

Para ver si su receta mágica realmente funcionaba, realizaron una simulación. Crearon un robot virtual que parecía un monociclo (tiene una posición, una velocidad y un ángulo). Prepararon un patio de recreo con siete zonas de seguridad diferentes:

Tres zonas eran como círculos invisibles que el robot debía evitar.
Cuatro zonas eran las paredes de la habitación en la que el robot debía permanecer.

También añadieron un objetivo: el robot debía conducir hacia un punto específico y detenerse allí (esto se llama "Función de Lyapunov de Control", o CLF, que es como un imán que atrae al robot hacia su destino).

La computadora ejecutó la receta matemática y generó las curvas de seguridad. Luego, dejaron que el robot condujera. Los resultados, mostrados en las figuras del artículo, fueron exitosos. El robot comenzó desde varios lugares y condujo de un lado a otro, y cada vez, se mantuvo dentro de la zona segura (el área donde se superponían las siete reglas). Las líneas discontinuas rojas en sus diagramas mostraban los límites, y la trayectoria del robot nunca las cruzó.

Lo Que Esto Significa (Y Lo Que No)

El artículo demuestra que, si sus problemas matemáticos tienen una solución, el robot tiene la garantía de estar seguro. Es un "certificado de seguridad". Si el ordenador dice "Sí, encontré las curvas", entonces sabes que el robot no chocará debido a un mal ajuste de seguridad.

Sin embargo, hay algunos límites importantes a tener en cuenta. El artículo establece explícitamente que este método funciona para sistemas donde las matemáticas pueden escribirse como polinomios (un tipo específico de curva suave). Aunque la mayoría de los sistemas del mundo real pueden aproximarse de esta manera, es un requisito matemático. Además, los resultados presentados aquí son simulaciones. El robot existía solo en una pantalla de ordenador. Los autores no probaron esto en un robot físico en un laboratorio real o en la calle.

Además, el artículo señala que, a veces, las matemáticas pueden volverse demasiado complicadas de resolver. Si la computadora no encuentra una solución, no significa necesariamente que el robot no pueda ser seguro; simplemente puede significar que las herramientas matemáticas específicas que utilizaron no fueron lo suficientemente potentes para ese problema en particular. En esos casos, sugieren ajustar las matemáticas (como hacer las curvas más simples) e intentarlo de nuevo.

En la simulación, la computadora tardó unos 1.053 segundos (aproximadamente 17 minutos) en verificar la seguridad para las siete reglas combinadas. Esto demuestra que, aunque la matemática es pesada, es realizable. Los autores descubrieron que a medida que añadían más reglas de seguridad, el tiempo para resolver el problema crecía de forma lineal, lo cual es una buena señal para futuros robots más complejos.

La Conclusión

Este artículo no inventa un nuevo robot ni una nueva forma de conducir. En su lugar, inventa una nueva forma de comprobar la matemática que mantiene seguros a los robots. Antes, los ingenieros tenían que esperar que sus ajustes de seguridad fueran correctos. Ahora, tienen una herramienta que puede demostrar matemáticamente: "Sí, estos ajustes mantendrán al robot seguro", incluso cuando el robot tiene que lidiar con siete reglas de seguridad distintas a la vez. Convierte un juego de adivinar y comprobar en un juego de prueba y certeza, allanando el camino para máquinas autónomas más seguras y fiables en el futuro.

Resumen Técnico: Verificación de Funciones de Barrera de Control de Alto Orden mediante el Cálculo de Funciones de Clase K

Planteamiento del Problema
Las funciones de barrera de control de alto orden (HOCBF, por sus siglas en inglés) se utilizan para imponer seguridad en sistemas de control afín, asegurando que un conjunto de estados seguros permanezca invariante hacia adelante bajo la dinámica del sistema. Sin embargo, la implementación práctica de las HOCBF enfrenta un desafío crítico de verificación. En tiempo de ejecución, las HOCBF se imponen típicamente resolviendo una secuencia de problemas de optimización (específicamente, Programas Cuadráticos Secuenciales, o SQP) que incorporan restricciones de seguridad. Estas restricciones dependen de "funciones de clase K" ( $\alpha_i$ ) determinadas por el usuario. Actualmente, no existen reglas establecidas para la selección de estas funciones que garanticen la invariancia hacia adelante, y a menudo no está claro si los problemas de optimización resultantes seguirán siendo factibles cuando múltiples restricciones de seguridad, funciones de Lyapunov de control (CLF) para la estabilidad e incluso restricciones de entrada deban satisfacerse simultáneamente. Si el SQP se vuelve infactible, el sistema no puede generar una entrada de control segura, lo que podría conducir a violaciones de seguridad. Este artículo aborda la necesidad de un método de verificación a priori para asegurar que un sistema pueda generar continuamente entradas seguras en línea.

Metodología
Los autores proponen un marco de trabajo para verificar las HOCBF mediante la construcción automática de las funciones de clase K necesarias utilizando programación de Suma de Cuadrados (SOS). La metodología procede de la siguiente manera:

Límites Teóricos: El artículo establece primero un límite superior teórico para las funciones de clase K (Teorema 3.1). Demuestra que si funciones polinómicas específicas $\beta_i$ satisfacen ciertas desigualdades diferenciales, entonces existen funciones de clase K válidas que hacen que el conjunto seguro sea invariante hacia adelante. Esto transforma el problema de encontrar funciones de clase K desconocidas en un problema de encontrar coeficientes polinómicos que satisfagan condiciones de no negatividad.
Formulación SOS: Aprovechando la conexión entre las restricciones de desigualdad y los certificados de no negatividad de la geometría algebraica real, los autores formulan una secuencia de programas SOS (SOSPs). Estos programas buscan soluciones polinómicas para las funciones de clase K y la entrada de control.
- Caso de una sola HOCBF: Para un sistema con una sola HOCBF de grado relativo $r$ , los autores desarrollan una secuencia de SOSPs "de abajo hacia arriba" (bottom-up). El proceso comienza resolviendo para $\beta_1$ (relacionado con $\alpha_1$ ), luego utiliza ese resultado para resolver las $\beta_i$ subsiguientes y finalmente $\alpha_r$ , asegurando que las restricciones se cumplan secuencialmente.
- Caso de múltiples HOCBF: Para sistemas con $J$ restricciones de seguridad, los autores proponen un algoritmo iterativo (Algoritmo 1). El algoritmo verifica las HOCBF una por una. Crucialmente, al verificar la $(j+1)$ -ésima HOCBF, la $j$ -ésima HOCBF previamente verificada se incorpora al módulo cuadrático del programa SOS. Esto asegura que las nuevas funciones de clase K no invaliden las garantías de seguridad de las restricciones verificadas anteriormente.
Garantía de Factibilidad: La secuencia de SOSPs se resuelve antes del tiempo de ejecución. Si existen soluciones, el artículo garantiza que el SQP en línea utilizado para el control en tiempo real permanecerá factible en todos los intervalos de tiempo, siempre que el intervalo de muestreo sea suficientemente pequeño.

Contribuciones Clave
El artículo realiza tres contribuciones principales:

Límite Superior Teórico: Proporciona un límite superior teórico para las funciones de clase K en una HOCBF (Teorema 3.1). Cualquier función de clase K que satisfaga este límite valida que la HOCBF cumple con su definición, desacoplando la dependencia recursiva de las funciones de clase K presentes en las definiciones estándar.
Secuencia de Verificación: Desarrolla una secuencia de SOSPs (Teorema 4.1 y Algoritmo 1) que (i) genera las funciones de clase K para un número finito de HOCBF y (ii) garantiza la factibilidad continua de los problemas de optimización en línea para sistemas sujetos a CLF y restricciones de entrada.
Validación Numérica: Presenta simulaciones numéricas demostrando el marco de trabajo en un sistema de uniciclo con siete HOCBF de grado relativo dos, involucrando un total de 14 funciones de clase K desconocidas.

Resultados
El marco propuesto fue probado en un sistema de uniciclo con:

Restricciones de Seguridad: Siete HOCBF ( $J=7$ ) que codifican regiones seguras (evitar tres obstáculos circulares y permanecer dentro de un espacio de trabajo rectangular).
Objetivos de Estabilidad: Tres funciones de tipo Control Lyapunov (CLlF) que guían al sistema hacia una posición y velocidad objetivo.
Implementación: Los SOSPs se resolvieron utilizando MATLAB y la caja de herramientas SOSTOOLS.
Resultado: El algoritmo generó con éxito las funciones de clase K requeridas. Las simulaciones mostraron que las trayectorias partiendo de diversas condiciones iniciales permanecieron dentro de la intersección de todos los conjuntos seguros ( $C_{sys}$ ). La implementación del SQP resultante produjo entradas continuas que cumplieron con todas las restricciones de seguridad y estabilidad.
Computación: El tiempo de computación para el proceso de verificación escaló aproximadamente de forma lineal con el número de HOCBF, aumentando de 127 segundos para 1 HOCBF a 1053 segundos para 7 HOCBF.

Significancia y Reivindicaciones
Los autores afirman que este trabajo proporciona un certificado riguroso y a priori para la factibilidad continua de la estabilización segura en sistemas con múltiples HOCBF. A diferencia de métodos anteriores que pueden asumir la factibilidad o centrarse en una sola HOCBF sin restricciones de entrada, este enfoque maneja sistemáticamente la interacción entre múltiples restricciones de seguridad, requisitos de estabilidad (CLF) y límites de actuación.

El artículo señala modestamente que, aunque la programación SOS se limita a sistemas polinómicos (o aproximaciones polinómicas), cualquier función continua puede aproximarse uniformemente mediante polinomios, lo que hace que el enfoque sea ampliamente aplicable. Los autores enfatizan que su método no garantiza la estabilización segura (donde la variable de holgura de estabilidad $\rho = 0$ ) en todos los casos; en la simulación, los valores no nulos de $\rho$ indicaron que, si bien la seguridad estaba garantizada, la estabilización estricta requirió el uso de variables de holgura. La contribución principal es la seguridad de que siempre se pueden generar entradas seguras, evitando que el problema de optimización se vuelva infactible. Se menciona como trabajo futuro la extensión de estos métodos a la verificación segura distribuida de sistemas.

Los Campos de Fuerza Invisibles

La "Calculadora Mágica" para la Seguridad

La Prueba de Simulación

Lo Que Esto Significa (Y Lo Que No)

La Conclusión

Más como este