⚡ electrical engineering

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

Dit artikel stelt een verificatiemethode voor voor High-Order Control Barrier Functions (HOCBF's) met behulp van een sequentie van Sum-of-Squares (SOS) programma's om bijbehorende klasse K-functies te berekenen, waardoor systeemveiligheid wordt gegarandeerd wanneer oplossingen bestaan.

Oorspronkelijke auteurs: Ellie Pond, Matthew Hale

Gepubliceerd 2026-08-03

📖 8 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ellie Pond, Matthew Hale

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een vloot bezorgdrones programmeert om door een drukke stad te zoeven. Je wilt dat ze snel en efficiënt zijn, maar belangrijker nog, je wilt dat ze nooit tegen gebouwen, andere drones of mensen botsen. In de wereld van robotica en techniek is dit de heilige graal van "veiligheid". Wetenschappers gebruiken wiskundige hulpmiddelen die Control Barrier Functions (CBF's) worden genoemd om als onzichtbare krachtvelden rond deze robots te fungeren. Deze krachtvelden vertellen de computer van de robot: "Als je deze kant op gaat, ben je veilig; als je die kant op gaat, ben je in de problemen."

Echter, er is een lastige complicatie. Soms is de fysica van de robot complex. Het kan een paar seconden duren voordat de robot stopt nadat hij op de rem heeft getrapt, of hij moet eerst een bocht maken voordat hij kan stoppen. Dit is waar "High-Order" CBF's om de hoek komen kijken. Ze zijn als een meer geavanceerde versie van het krachtveld die rekening houdt met deze vertragingen en complexe bewegingen. Maar dit is het probleem: om deze krachtvelden te laten werken, moeten ingenieurs specifieke wiskundige curven kiezen, genaamd "class K-functies", om te definiëren hoe strikt de veiligheidsregels zijn. Het kiezen van de verkeerde curve is als het instellen van een snelheidslimiet die óf te hoog is (en je crasht) óf te laag (en de robot komt vast te zitten). Lange tijd moesten ingenieurs deze getallen raden, hopend dat ze zouden werken, wat een riskant spel is wanneer levens of dure apparatuur op het spel staan.

Dit artikel, getiteld "Verification of High-Order Control Barrier Functions by Computing Class K Functions", pakt dit gokspel direct aan. De auteurs, Ellie Pond en Matthew T. Hale, stellen een nieuwe manier voor om wiskundig te bewijzen dat de veiligheidsregels van een robot daadwerkelijk zullen werken voordat de robot ooit de garage verlaat. In plaats van de juiste curven te raden, gebruiken ze een krachtig type wiskunde genaamd "Sum-of-Squares" programmering om automatisch de perfecte veiligheidscurven te berekenen. Denk aan een meesterarchitect die niet alleen de blauwdrukken tekent, maar ook duizend computersimulaties uitvoert om te bewijzen dat het gebouw niet zal instorten voordat er ook maar één baksteen is gelegd.

Het artikel laat zien dat als hun wiskundige recept een oplossing vindt, de robot gegarandeerd voor altijd veilig blijft, ongeacht hoe hij beweegt of welke obstakels hij tegenkomt. Ze hebben dit idee getest met een simulatie van een unicycle-achtige robot die door een ruimte navigeert met zeven verschillende veiligheidszones (zoals het vermijden van zeven verschillende cirkels en het binnen blijven van een box). De computer genereerde succesvol de noodzakelijke veiligheidscurven voor alle zeven zones tegelijkertijd, en de robot zoeef door de simulatie zonder ooit een veiligheidsregel te overtreden. Hoewel dit een computersimulatie was en geen fysieke robot op een echte straat, is de wiskunde erachter solide, wat een betrouwbare manier biedt om de veiligheid te verifiëren voor complexe systemen die tegelijkertijd meerdere regels moeten volgen.

De Onzichtbare Krachtvelden

Om te begrijpen waarom dit zo'n grote zaak is, laten we naar de hulpmiddelen kijken die het artikel gebruikt. Stel je voor dat een robot een auto is die over een snelweg rijdt. Een standaard veiligheidsregel is: "Blijf in je rijstrook." In de wiskunde is dit een eenvoudige lijn. Maar wat als de auto zwaar is en er lang over doet om te stoppen? Een eenvoudige lijn is dan niet genoeg; je hebt een regel nodig die zegt: "Als je dicht bij de rand bent, moet je nu afremmen zodat je later niet van de weg glijdt." Dit is wat een High-Order Control Barrier Function (HOCBF) doet. Het is een veiligheidsregel die vooruitkijkt en rekening houdt met de traagheid van de robot en hoe lang het duurt om te reageren.

Maar om deze "vooruitkijkende" regel te laten werken, moet de ingenieur een specifieke vorm voor de regel kiezen, bekend als een class K-functie. Stel je voor dat je de gevoeligheid van een rookmelder instelt. Als je hem te gevoelig instelt, gaat hij af als je brood roostert (de robot stopt onnodig). Als je hem te ongevoelig instelt, gaat hij pas af als het huis in brand staat (de robot crasht). Lange tijd moesten ingenieurs deze "gevoeligheidsknoppen" met de hand kiezen, vaak door middel van gokken en controleren. Als ze fout gokten, kon de robot vast komen te zitten, of erger nog, de computer kon crashen omdat hij geen veilig pad kon vinden.

De "Magische Rekenmachine" voor Veiligheid

De auteurs van dit artikel realiseerden zich dat ze, in plaats van te gokken, een wiskundige truc konden gebruiken om de perfecte knoppen te berekenen. Ze gebruikten een methode genaamd Sum-of-Squares (SOS) programmering. Je kunt SOS-programmering zien als een super slimme rekenmachine die controleert of een vorm altijd "positief" (veilig) of "negatief" (onveilig) is.

De belangrijkste ontdekking van het artikel is een stapsgewijs recept (een algoritme) dat deze rekenmachine gebruikt om de juiste class K-functies te vinden voor een robot met meerdere veiligheidsregels. Zo werkt het in hun verhaal:

Het Problek: Ze hadden een robot met zeven verschillende veiligheidsregels (HOCBF's) om tegelijkertijd te volgen. Elke regel had zijn eigen onbekende "gevoeligheidsknop" (class K-functie) om te bepalen. Dat zijn in totaal 14 onbekende functies (twee voor elke van de zeven regels).
De Oplossing: Ze bouwden een reeks wiskundige problemen. Eerst losten ze de eerste laag van veiligheid op, gebruikten vervolgens dat resultaat om de volgende laag op te lossen, enzovoort. Het is als het bouwen van een toren van blokken waarbij je de tweede blok pas kunt plaatsen als je hebt bewezen dat de eerste stabiel is.
Het Resultaat: De computer vond succesvol de waarden voor alle 14 onbekende functies.

De Simulatietest

Om te zien of hun magische recept echt werkte, draaiden ze een simulatie. Ze creëerden een virtuele robot die leek op een unicycle (hij heeft een positie, een snelheid en een hoek). Ze richtten een speelplaats in met zeven verschillende veiligheidszones:

Drie zones waren als onzichtbare cirkels die de robot moest vermijden.
Vier zones waren de muren van de kamer waar de robot binnen moest blijven.

Ze voegden ook een doel toe: de robot moest naar een specifieke plek rijden en daar stoppen (dit wordt een "Control Lyapunov Function", of CLF, genoemd, wat werkt als een magneet die de robot naar zijn bestemming trekt).

De computer draaide het wiskundige recept en genereerde de veiligheidscurven. Vervolgens lieten ze de robot rijden. De resultaten, zoals weergegeven in de figuren uit het artikel, waren succesvol. De robot begon op verschillende plaatsen en reed rond, en elke keer weer bleef hij binnen de veilige zone (het gebied waar alle zeven regels elkaar overlappen). De rode stippellijnen in hun diagrammen toonden de grenzen aan, en het pad van de robot heeft deze nooit overschreden.

Wat dit Betekent (en Wat het Niet Betekent)

Het artikel bewijst dat als hun wiskundige problemen een oplossing hebben, de robot gegarandeerd veilig is. Het is een "certificaat van veiligheid". Als de computer zegt: "Ja, ik heb de curven gevonden," dan weet je dat de robot niet zal crashen door een slechte veiligheidsinstelling.

Er zijn echter een paar belangrijke beperkingen in acht te nemen. Het artikel stelt expliciet dat deze methode werkt voor systemen waarbij de wiskunde als polynomen (een specif kind van gladde curven) geschreven kan worden. Hoewel de meeste real-world systemen op deze manier benaderd kunnen worden, is dit een wiskundige vereiste. Ook zijn de gepresenteerde resultaten simulaties. De robot bestond alleen op een computerscherm. De auteurs hebben dit niet getest op een fysieke robot in een echt laboratorium of op straat.

Bovendien merkt het artikel op dat de wiskunde soms te ingewikkeld kan worden om op te lossen. Als de computer geen oplossing kan vinden, betekent dit niet noodzakelijkerwijs dat de robot niet veilig kan zijn; het kan simpelweg betekenen dat de specifieke wiskundige instrumenten die zij gebruikten niet sterk genoeg waren voor dat specifieke probleem. In die gevallen suggereren ze de wiskunde aan te passen (zoals de curven eenvoudiger maken) en het opnieuw te proberen.

In de simulatie deed de computer er ongeveer 1.053 seconden (ongeveer 17 minuten) over om de veiligheid voor alle zeven regels gecombineerd te verifiëren. Dit laat zien dat hoewel de wiskunde zwaar is, het wel degelijk uitvoerbaar is. De auteurs ontdekten dat naarmate ze meer veiligheidsregels toevoegden, de tijd die nodig was om het probleem op te lossen lineair toenam, wat een goed teken is voor toekomstige, complexere robots.

De Kernboodschap

Dit artikel vindt geen nieuwe robot of een nieuwe manier van rijden uit. In plaats daarvan vindt het een nieuwe manier om de wiskunde te controleren die robots veilig houdt. Voorheen moesten ingenieurs hopen dat hun veiligheidsinstellingen juist waren. Nu hebben ze een hulpmiddel waarmee ze wiskundig kunnen bewijzen: "Ja, deze instellingen zullen de robot veilig houden," zelfs wanneer de robot zeven verschillende veiligheidsregels tegelijkertijd moet managen. Het verandert een spel van gokken en controleren in een spel van bewijs en zekerheid, wat de weg vrijmaakt voor veiligere, betrouwbaardere autonome machines in de toekomst.

Technische Samenvatting: Verificatie van High-Order Control Barrier Functions door het berekenen van Class K-functies

Probleemstelling
High-order control barrier functions (HOCBF's) worden gebruikt om veiligheid in control-affine systemen af te dwingen door te waarborgen dat een verzameling veilige toestanden voorwaarts invariant blijft onder de systeemdynamica. De praktische implementatie van HOCBF's staat echter voor een kritische verificatie-uitdaging. Tijdens de runtime worden HOCBF's doorgaans afgedwongen door een reeks optimalisatieproblemen (specifiek Sequential Quadratic Programs, of SQP's) op te lossen die veiligheidsrestricties bevatten. Deze restricties zijn afhankelijk van door de gebruiker bepaalde "class K-functies" ( $\alpha_i$ ). Momenteel zijn er geen gevestigde regels voor het selecteren van deze functies om voorwaartse invariantie te garanderen, en het is vaak onduidelijk of de resulterende optimalisatieproblemen haalbaar blijven wanneer meerdere veiligheidsrestricties, control Lyapunov-functies (CLF's) voor stabiliteit en input-restricties gelijktijdig moeten worden voldaan. Als de SQP niet haalbaar is, kan het systeem geen veilig control-input genereren, wat potentieel kan leiden tot schendingen van de veiligheid. Dit artikel adresseert de noodzaak voor een a priori verificatiemethode om te waarborgen dat een systeem continu veilige inputs kan genereren tijdens de runtime.

Methodologie
De auteurs stellen een framework voor om HOCBF's te verifiëren door automatisch de noodzakelijke class K-functies te construeren met behulp van Sum-of-Squares (SOS) programmering. De methodologie verloopt als volgt:

Theoretische Grenzen: Het artikel stelt eerst een theoretische bovengrens vast voor class K-functies (Theorem 3.1). Het demonstreert dat als specifieke polynoomfuncties $\beta_i$ aan bepaalde differentiële ongelijkheden voldoen, er geldige class K-functies bestaan die de voorwaartse invariantie van de veilige verzameling waarborgen. Dit transformeert het probleem van het vinden van onbekende class K-functies naar een probleem van het vinden van polynoomcoëfficiënten die aan niet-negativiteitsvoorwaarden voldoen.
SOS Formulering: Door gebruik te maken van de connectie tussen ongelijkheidsrestricties en niet-negativiteitscertificaten uit de reële algebraïsche meetkunde, formuleren de auteurs een reeks SOS-programma's (SOSP's). Deze programma's zoeken naar polynoomoplossingen voor de class K-functies en de control-input.
- Enkelvoudige HOCBF-casus: Voor een systeem met een enkele HOCBF van relatieve graad $r$ , ontwikkelen de auteurs een "bottom-up" sequentie van SOSP's. Het proces begint met het oplossen van $\beta_1$ (gerelateerd aan $\alpha_1$ ), gebruikt vervolgens dat resultaat om opeenvolgende $\beta_i$ en tot slot $\alpha_r$ op te lossen, waarbij wordt gewaarborgd dat de restricties sequentieel worden nagekomen.
- Meerdere HOCBF-casussen: Voor systemen met $J$ veiligheidsrestricties stellen de auteurs een iteratief algoritme voor (Algoritme 1). Het algoritme verifieert HOCBF's één voor één. Cruciaal is dat bij het verifiëren van de $(j+1)$ -de HOCBF, de reeds geverifieerde $j$ -de HOCBF wordt opgenomen in het kwadratische module van het SOS-programma. Dit zorgt ervoor dat de nieuwe class K-functies de veiligheidsgaranties van de eerder geverifieerde restricties niet ongeldig maken.
Haalbaarheidsgarantie: De reeks SOSP's wordt vóór de runtime opgelost. Als er oplossingen bestaan, garandeert het artikel dat de online SQP die wordt gebruikt voor real-time controle voor alle tijdstappen haalbaar zal blijven, mits het bemonsteringsinterval voldoende klein is.

Belangrijkste Bijdragen
Het artikel levert drie primaire bijdragen:

Theoretische Bovengrens: Het biedt een theoretische bovengrens voor class K-functies in een HOCBF (Theorem 3.1). Elke class K-functie die aan deze grens voldoet, valideert dat de HOCBF aan zijn definitie voldoet, waardoor de recursieve afhankelijkheid van class K-functies die in standaarddefinities wordt gevonden, wordt ontkoppeld.
Verificatiesequentie: Het ontwikkelt een sequentie van SOSP's (Theorem 4.1 en Algoritme 1) die (i) de class K-functies genereert voor een eindig aantal HOCBF's en (ii) de voortdurende haalbaarheid garandeert van de online optimalisatieproblemen voor systemen die onderhevig zijn aan CLF's en input-restricties.
Numerieke Validatie: Het presenteert numerieke simulaties die het framework demonstreren op een unicycle-systeem met zeven HOCBF's van relatieve graad twee, waarbij in totaal 14 onbekende class K-functies betrokken zijn.

Resultaten
Het voorgestelde framework werd getest op een unicycle-systeem met:

Veiligheidsrestricties: Zeven HOCBF's ( $J=7$ ) die veilige regio's coderen (het vermijden van drie cirkelvormige obstakels en het binnen een rechthoekige werkruimte blijven).
Stabiliteitsdoelen: Drie Control Lyapunov-achtige functies (CLIf's) die het systeem naar een doelpositie en -snelheid leiden.
Implementatie: De SOSP's werden opgelost met behulp van MATLAB en de SOSTOOLS toolbox.
Resultaat: Het algoritme genereerde succesvol de vereiste class K-functies. Simulaties toonden aan dat trajecten die starten vanuit diverse begincondities binnen de intersectie van alle veilige verzamelingen ( $C_{sys}$ ) bleven. De resulterende SQP-implementatie produceerde continue inputs die aan alle veiligheids- en stabiliteitsrestricties voldeden.
Computatie: De computationele tijd voor het verificatieproces schaalde ongeveer lineair met het aantal HOCBF's, waarbij deze toenam van 127 seconden voor 1 HOCBF naar 1053 seconden voor 7 HOCBF's.

Betekenis en Claims
De auteurs claimen dat dit werk een rigoureus, a priori certificaat biedt voor de voortdurende haalbaarheid van veilige stabilisatie in systemen met meerdere HOCBF's. In tegen afhankelijk van eerdere methoden die mogelijk haalbaarheid aannemen of zich richten op enkelvoudige HOCBF's zonder input-restricties, behandelt deze aanpak systematisch de interactie tussen meerdere veiligheidsrestricties, stabiliteitseisen (CLF's) en actuatiegrenzen.

Het artikel merkt bescheiden op dat hoewel SOS-programmering beperkt is tot polynomiale systemen (of polynomiale benaderingen), elke continue functie uniform benaderd kan worden door polynomen, waardoor de aanpak breed toepasbaar is. De auteurs benadrukken dat hun methode niet in alle gevallen veilige stabilisatie garandeert (waarbij de stabiliteits-slack variabele $\rho = 0$ ); in de simulatie gaven niet-nul $\rho$ -waarden aan dat hoewel veiligheid gegarandeerd was, strikte stabilisatie het gebruik van slack-variabelen vereiste. De primaire bijdrage is de verzekering dat veilige inputs altijd gegenereerd kunnen worden, wat voorkomt dat het optimalisatieprobleem onhaalbaar wordt. Toekomstig werk wordt genoemd om deze methoden uit te breiden naar gedistribueerde veilige systeemverificatie.

De Onzichtbare Krachtvelden

De "Magische Rekenmachine" voor Veiligheid

De Simulatietest

Wat dit Betekent (en Wat het Niet Betekent)

De Kernboodschap

Meer zoals dit