Integral Control Barrier Functions with Input Delay: Prediction, Feasibility, and Robustness

Resumen Técnico: Control de Seguridad Crítica con Retardos de Entrada

1. Planteamiento del Problema

El control de sistemas no lineales en aplicaciones de seguridad crítica (como vehículos autónomos o robótica) enfrenta dos desafíos fundamentales cuando existen retardos de entrada (input delay):

• Violación de restricciones de seguridad: Los retardos causan que las acciones de control se ejecuten tarde. Un controlador que evalúa las condiciones de seguridad en el estado actual, sin considerar que la entrada afectará al sistema en el futuro, puede provocar violaciones de las restricciones de estado (ej. colisiones).
• Inviabilidad del controlador: Cuando se imponen simultáneamente restricciones de estado (ej. distancia de seguridad) y de entrada (ej. límites de aceleración/frenado), los métodos tradicionales de Control Barrier Functions (CBF) a menudo generan problemas de optimización cuadrática (QP) que no tienen solución (son inviables), especialmente cuando las restricciones entran en conflicto.
• Incertidumbre y Robustez: En la práctica, el tiempo de retardo y la dinámica del sistema no se conocen con precisión, lo que introduce errores de predicción que actúan como perturbaciones, poniendo en riesgo la seguridad incluso si se utiliza un esquema de predicción.

El artículo aborda la necesidad de un marco de control que compense los retardos, garantice la factibilidad bajo restricciones conjuntas de estado y entrada, y sea robusto ante errores de predicción.

2. Metodología Propuesta

Los autores proponen un marco unificado basado en Funciones de Barrera de Control Integrales (ICBF) combinadas con retroalimentación predictiva.

• Controlador Dinámico Definido (Integral): En lugar de un controlador algebraico estático $u = k(x)$, se utiliza un controlador dinámico donde la derivada de la entrada $\dot{u}$ se define dinámicamente. Esto permite codificar la dinámica del actuador y las restricciones de entrada dentro de la función de barrera.
• Compensación de Retardo mediante Predicción:
  • Se emplea un esquema de retroalimentación predictiva (Predictor Feedback).
  • En lugar de evaluar la condición de seguridad en el estado actual $x(t)$, se evalúa en el estado predicho $x_p(t) = x(t+\tau)$, obtenido integrando la dinámica del sistema hacia adelante durante el intervalo de retardo $\tau$.
  • La ley de control se diseña para que la entrada $u$ rastree una ley nominal basada en el estado predicho, compensando así el efecto del retardo.
• Formulación de Robustez:
  • Para manejar la incertidumbre en el retardo ($\hat{\tau} \neq \tau$) y los errores de predicción, se introduce un término de robustez en la condición de la ICBF.
  • Se trata el error de predicción como una perturbación acotada y se modifica la restricción del QP para garantizar seguridad incluso en presencia de esta perturbación, utilizando márgenes ajustables que se concentran cerca del límite de la zona segura.

3. Contribuciones Clave

1. Marco ICBF con Predicción para Retardos:
   Se integra la retroalimentación predictiva dentro del marco de ICBF. La función de barrera se evalúa sobre el estado predicho, permitiendo que el filtro de seguridad anticipe el comportamiento futuro del sistema y evite violaciones causadas por el retardo.

2. Condición de Factibilidad en Forma Cerrada:
   Se deriva una condición matemática explícita (basada en un lema de Farkas) para garantizar que el problema de optimización cuadrática (QP) con dos restricciones simultáneas (estado e entrada) sea siempre factible.

   • Se identifica que dos ICBFs individuales no garantizan automáticamente la factibilidad conjunta.
   • Se establece una condición necesaria y suficiente para que el par de ICBFs sea "compatible", asegurando que exista una solución de control $v$ que satisfaga ambas restricciones al mismo tiempo.

3. Formulación Robusta Ajustable:
   Se propone una ICBF robusta que trata los errores de predicción como perturbaciones acotadas.

   • Se demuestra que si el error de predicción es suficientemente pequeño, el sistema permanece dentro del conjunto seguro original.
   • Si el error es mayor, el sistema permanece dentro de un conjunto "inflado" (neighbourhood) alrededor de la zona segura, garantizando seguridad de entrada-estado (ISS).

4. Resultados y Validación

El marco propuesto se validó mediante simulaciones en un escenario de Control de Crucero Adaptativo (ACC) con un vehículo autónomo que sigue a un vehículo líder.

• Escenario 1: Efecto del Retardo y Compensación:

  • Sin compensación: Un controlador que ignora el retardo viola tanto la restricción de distancia (colisión inminente) como la de aceleración máxima.
  • Con predicción: El controlador propuesto compensa completamente el retardo. La respuesta de velocidad y la función de barrera se recuperan para coincidir con el caso sin retardo, manteniendo la seguridad.

• Escenario 2: Incertidumbre en el Retardo (Robustez):

  • Se simuló un caso donde el retardo estimado era un 50% menor que el real ($\hat{\tau} = 0.5\tau$).
  • Sin robustez: El error de predicción actuó como una perturbación que provocó la violación de la restricción de estado.
  • Con robustez: El filtro de seguridad robusto propuesto intervino proactivamente, ajustando la entrada para mantener ambas restricciones (distancia y aceleración) dentro de los límites seguros, demostrando la eficacia de los márgenes de robustez.

5. Significado e Impacto

Este trabajo es significativo porque:

• Cierra una brecha teórica: Proporciona la primera formulación de ICBF adaptada específicamente para sistemas con retardo de entrada y restricciones conjuntas.
• Garantiza viabilidad práctica: La condición de factibilidad en forma cerrada resuelve el problema común de que los filtros de seguridad fallen cuando hay múltiples restricciones, lo cual es crítico en sistemas físicos reales con actuadores limitados.
• Aumenta la seguridad operativa: Al incorporar la robustez frente a errores de predicción, el marco es viable para implementaciones en el mundo real donde los modelos exactos y los retardos precisos rara vez están disponibles.
• Aplicabilidad: La validación en un sistema de transporte (ACC) demuestra su potencial para aplicaciones críticas en la industria automotriz y robótica, donde los retardos de comunicación y computación son inevitables.

En conclusión, los autores presentan un avance fundamental hacia el control seguro de sistemas no lineales en entornos reales, combinando predicción dinámica, análisis de factibilidad riguroso y garantías de robustez.