Generalizations of Backup Control Barrier Functions: Expansion and Adaptation for Input-Bounded Safety-Critical Control

Titolo

Generalizzazioni delle Funzioni di Barriera di Controllo di Backup (bCBF): Espansione e Adattamento per il Controllo di Sicurezza con Vincoli di Input.

1. Il Problema

Garantire la sicurezza dei sistemi non lineari con vincoli di input limitati (es. limiti di forza o coppia) rimane una sfida fondamentale nell'autonomia sicura.

• Funzioni di Barriera di Controllo (CBF): Sebbene le CBF siano uno strumento potente per garantire l'invarianza in avanti di insiemi sicuri, la loro verifica è difficile quando gli input sono vincolati. Spesso, i metodi costruttivi per trovare una CBF portano a insiemi sicuri molto conservativi (piccoli), limitando le prestazioni del sistema.
• Metodo Standard bCBF: Le Backup Control Barrier Functions (bCBF) affrontano questo problema espandendo un "insieme di backup" (un insieme sicuro più piccolo ma verificabile) utilizzando un controllore di backup pre-verificato. Tuttavia, il metodo standard richiede che lo stesso controllore di backup sia utilizzato sia per garantire l'invarianza dell'insieme di backup sia per espanderlo. Questa restrizione limita la classe di controller espansori possibili, risultando spesso in un insieme sicuro espanso ancora troppo conservativo e in prestazioni ridotte.

2. Metodologia Proposta

Gli autori propongono un quadro generalizzato che disaccoppia il controllore responsabile dell'espansione dell'insieme sicuro dal controllore di backup che garantisce l'invarianza.

A. Separazione dei Controller

Invece di usare un unico controllore $k_b$ per tutto il processo, il framework introduce:

1. Controllore di Backup ($k_b$): Garantisce che l'insieme di backup $C_B$ sia invariante in avanti.
2. Controllore di Espansione ($k_e$): Un controllore diverso, ottimizzato specificamente per espandere l'insieme sicuro il più possibile, senza la necessità di rendere $C_B$ invariante di per sé.

B. Controllore Commutato e Insiemi Impliciti

Per unire questi due controller mantenendo le garanzie di sicurezza, viene introdotto un controllore commutato $k_s$:
$$k_s(x) = (1 - \eta(x))k_e(x) + \eta(x)k_b(x)$$
dove $\eta(x)$ è una funzione di commutazione continua che vale 1 all'interno dell'insieme di backup $C_B$ (attivando $k_b$) e 0 all'esterno (attivando $k_e$).
Questo permette di definire un nuovo insieme sicuro implicito espanso $C^*_I$, composto dagli stati da cui il sistema può raggiungere $C_B$ in un tempo finito $T$ seguendo la dinamica del sistema commutato, restando all'interno dell'insieme sicuro globale $C_S$.

C. Condizioni di Invarianza e QP

Vengono derivati nuovi criteri sufficienti per l'invarianza in avanti di $C^*_I$. Questi si traducono in vincoli differenziali che devono essere soddisfatti da un controllore di sicurezza $u$. Tali vincoli vengono incorporati in un Problema di Programmazione Quadratica (QP) (chiamato GB-QP) che minimizza la deviazione da un controllore primario desiderato, garantendo al contempo la sicurezza e il rispetto dei vincoli di input.

D. Adattamento Online (Framework Adattivo)

Il framework viene ulteriormente generalizzato per includere famiglie di controller parametrizzati $k_e(x, \theta)$.

• Lo stato del sistema viene esteso per includere i parametri $\theta$ come stati ausiliari.
• Viene proposta una legge di adattamento per $\theta$ basata sul gradiente di una funzione di costo (che massimizza la distanza dal bordo dell'insieme di backup al tempo $T$).
• Questo permette al sistema di adattare dinamicamente la strategia di espansione online per migliorare le prestazioni senza violare le garanzie di sicurezza.

3. Contributi Chiave

1. Generalizzazione del Metodo bCBF: Disaccoppiamento del controllore di espansione da quello di backup, permettendo una classe molto più ampia di strategie di espansione.
2. Dimostrazione di Invarianza: Prove formali che l'insieme sicuro implicito risultante ($C^*_I$) è controllabilmente invariante e che il sistema rimane sicuro sotto i vincoli di input.
3. Recupero dei Metodi Esistenti: Il nuovo framework include i metodi bCBF standard come caso particolare (quando $k_e = k_b$).
4. Adattabilità Online: Estensione del framework per l'adattamento in tempo reale dei parametri del controllore di espansione, migliorando le prestazioni in scenari complessi.

4. Risultati e Casi di Studio

Gli autori validano il metodo attraverso due studi di caso:

• Caso 1: Doppio Integratore (Sistema 2D):

  • Confronto tra il metodo bCBF standard e il metodo generalizzato (GB).
  • Risultato: Il metodo generalizzato produce un insieme sicuro ($C^*_I$) significativamente più grande rispetto al metodo standard ($C_I$), permettendo al sistema di operare più vicino ai limiti fisici senza violare la sicurezza.

• Caso 2: Atterraggio di un Quadrotore (Sistema Non Lineare 6D):

  • Scenario: Atterraggio sicuro in una zona ristretta con ostacoli, vincoli di spinta e momento.
  • Confronto tra: bCBF standard (viola il vincolo di input o non raggiunge l'obiettivo), GB-QP (generalizzato), e aGB-QP (adattivo).
  • Risultati:
    • Il metodo standard non riesce a raggiungere l'obiettivo a causa della conservatività dei guadagni del controllore di backup.
    • Il metodo generalizzato (GB-QP) raggiunge una posizione più vicina all'obiettivo grazie a un'espansione maggiore.
    • Il metodo adattivo (aGB-QP) raggiunge con successo l'obiettivo adattando i guadagni del controllore di backup in tempo reale, massimizzando l'espansione dell'insieme sicuro dinamicamente.

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo nella teoria del controllo di sicurezza:

• Riduzione della Conservatività: Risolve il compromesso tra sicurezza formale e prestazioni, permettendo ai sistemi di operare in regioni dello stato precedentemente considerate "non sicure" dai metodi standard.
• Flessibilità Progettuale: I progettisti possono ora scegliere controller di espansione ottimizzati per la performance (es. tempo minimo, ottimizzazione energetica) senza dover verificare la loro invarianza, affidandosi al controllore di backup solo per la garanzia finale.
• Applicabilità Reale: La capacità di adattare i parametri online rende il metodo particolarmente adatto per sistemi robotici complessi che operano in ambienti dinamici e incerti, dove le condizioni operative possono cambiare.

In sintesi, il paper trasforma le bCBF da un metodo statico e potenzialmente limitante in un framework dinamico, adattivo e molto meno conservativo, mantenendo rigorose garanzie matematiche di sicurezza.