Safety Filtering with an Infinite Number of Constraints

Resumen Técnico: Filtrado de Seguridad con Restricciones Infinitas

1. Planteamiento del Problema

Las Funciones de Barrera de Control (CBF, por sus siglas en inglés) son un marco teórico riguroso para diseñar controladores que garanticen la seguridad en sistemas autónomos. Tradicionalmente, la teoría de CBFs se ha desarrollado para conjuntos de seguridad definidos por un número finito de restricciones (ej. $h_i(x) \geq 0$ para $i=1 \dots N$).

Sin embargo, existen aplicaciones críticas donde el conjunto de seguridad se define naturalmente mediante un número infinito de restricciones. El ejemplo más prominente es el marco de CBF de respaldo (Backup CBF), donde un conjunto de seguridad conservador se expande a un conjunto más grande aprovechando el flujo del sistema bajo un controlador de respaldo. En este escenario, la invariancia del conjunto resultante requiere satisfacer una condición de seguridad para cada punto en el tiempo a lo largo del horizonte del flujo de respaldo, generando un problema de optimización con infinitas restricciones.

Las preguntas fundamentales sin responder que aborda este trabajo son:

• ¿Cuáles son las condiciones necesarias y suficientes para la invariancia hacia adelante de estos conjuntos?
• ¿Cómo se definen formalmente las CBFs asociadas a estos conjuntos?
• ¿Bajo qué condiciones los controladores resultantes poseen propiedades de regularidad deseables (como continuidad)?
• ¿Es posible reducir un conjunto infinito de restricciones a uno finito sin perder garantías de seguridad?

2. Metodología y Marco Teórico

Los autores extienden la teoría de CBFs al caso de restricciones infinitas considerando sistemas de control afines no lineales:
$$\dot{x} = f(x) + g(x)u$$
donde el conjunto seguro $S$ se define como:
$$S = \{x \in \mathbb{R}^n \mid h(\tau, x) \geq 0, \forall \tau \in T \}$$
con $T \subset \mathbb{R}^p$ un conjunto compacto de parámetros (ej. tiempo) y $h$ una función continuamente diferenciable en $x$ y continua en $\tau$.

A. Condiciones de Invariancia (Teorema 1)
El trabajo extiende el Teorema de Nagumo al caso de restricciones infinitas. Bajo una hipótesis de "buen planteamiento" (Assumption 1), que garantiza que en la frontera del conjunto existe una dirección de ascenso suave para todas las restricciones activas, se demuestra que la invariancia hacia adelante es equivalente a satisfacer condiciones de tipo barrera en la frontera:
$$\frac{\partial h}{\partial x}(\tau, x)F(x) \geq 0, \quad \forall \tau \in \text{Act}(x)$$
donde $\text{Act}(x)$ son los parámetros $\tau$ donde la restricción es activa ($h(\tau, x)=0$).

B. Funciones de Barrera de Decaimiento Óptimo (OD-CBF)
Para cerrar la brecha entre las condiciones de invariancia y la síntesis de controladores, los autores introducen la noción de Función de Barrera de Decaimiento Óptimo (OD-BF) y su contraparte de control (OD-CBF).

• A diferencia de las CBFs estándar que requieren una función de clase $\mathcal{K}$ fija, una OD-CBF permite que el coeficiente de decaimiento sea una función variable $\theta(\tau, x)$.
• Esto permite formular el problema de control como una optimización semi-infinita con una sola variable de decaimiento óptimo ($\omega$) para todas las restricciones, evitando la necesidad de infinitas variables de decisión.

C. Regularidad y Reducción a Restricciones Finitas

• Continuidad: Se demuestra que, bajo condiciones de factibilidad estricta en la frontera, es posible sintetizar controladores basados en optimización que son continuos (aunque no necesariamente Lipschitz), lo cual es suficiente para garantizar la invariancia bajo dinámicas continuas (Teorema 2).
• Reducción: Se presenta un procedimiento (Proposición 5) para reducir el conjunto infinito de restricciones a un conjunto finito discreto. Si se seleccionan puntos de muestreo $\tau_i$ suficientemente densos (basados en la constante de Lipschitz de las funciones), la satisfacción de las restricciones en estos puntos finitos garantiza la satisfacción de todas las restricciones infinitas, permitiendo el uso de solucionadores de optimización estándar (QP).

3. Contribuciones Clave

1. Generalización de Nagumo: Extensión de las condiciones de invariancia de Nagumo a conjuntos definidos por infinitas restricciones, estableciendo la equivalencia entre invariancia y desigualdades de barrera en la frontera activa.
2. Definición de OD-CBF para restricciones infinitas: Introducción de una definición de CBF que utiliza una única variable de decaimiento óptimo, haciendo viable la síntesis de controladores mediante optimización.
3. Garantías de Regularidad: Demostración de que los controladores sintetizados mediante optimización bajo estas restricciones infinitas son continuos, asegurando la existencia de soluciones para el sistema en lazo cerrado.
4. Método de Reducción Finita: Provisión de condiciones teóricas y prácticas para discretizar el conjunto infinito de restricciones, garantizando que la solución del problema finito implica la solución del problema infinito.
5. Aplicación a Backup CBFs: Resolución de limitaciones prácticas en el marco de Backup CBFs, donde la elección manual de funciones de clase $\mathcal{K}$ a menudo lleva a problemas de factibilidad. El uso de OD-CBFs automatiza este ajuste.

4. Resultados y Validación

Los autores validan la teoría mediante una simulación con un doble integrador ($\ddot{x} = u$) sujeto a restricciones de posición y entrada.

• Escenario: Se busca mantener $|x_1| \leq 1$ con $|u| \leq 1$.
• Comparativa:
  • Backup CBF Estándar: Al discretizar las restricciones infinitas y usar funciones de decaimiento fijas ($\alpha(s) = s/2$), el controlador resultante se vuelve infactible en ciertas regiones del conjunto seguro, dejando la dinámica en lazo cerrado indefinida (ver Fig. 1 izquierda del artículo).
  • Propuesta (OD-CBF): Al aplicar el marco de OD-CBF con una sola variable de decaimiento óptimo, el controlador permanece factible en todo el conjunto seguro. La dinámica en lazo cerrado está bien definida en todas las regiones, y el vector de campo resultante guía al sistema de manera segura hacia el conjunto de respaldo.

5. Significado e Impacto

Este trabajo es fundamental para la seguridad en sistemas autónomos complejos porque:

• Cierra la brecha teórica: Proporciona las bases matemáticas rigurosas para el uso de CBFs en escenarios donde la seguridad depende de trayectorias futuras (como en Backup CBFs o incertidumbre de estado), que naturalmente generan infinitas restricciones.
• Hace viable la implementación práctica: Al demostrar que las restricciones infinitas pueden reducirse a un conjunto finito sin perder garantías, permite que estos métodos avanzados se ejecuten en tiempo real utilizando hardware de computación estándar.
• Mejora la robustez: La introducción de variables de decaimiento óptimo (OD-CBF) elimina la necesidad de sintonizar manualmente parámetros conservadores que a menudo causan infactibilidad, mejorando la capacidad del sistema para operar cerca de los límites de seguridad sin colapsar.

En conclusión, el artículo establece un nuevo estándar teórico y práctico para el filtrado de seguridad en sistemas que requieren garantizar la seguridad sobre horizontes temporales continuos o bajo incertidumbre, superando las limitaciones de las formulaciones de restricciones finitas tradicionales.