Constricting Tubes for Prescribed-Time Safe Control

Titel: Constricting Tubes for Prescribed-Time Safe Control

Auteurs: Darshan Gadginmath, Ahmed Allibhoy, Fabio Pasqualetti

1. Probleemstelling

Het paper adresseert de uitdaging om een dynamisch systeem binnen een voorgeschreven tijd ($T$) naar een gewenste veilige set te brengen, terwijl het systeem onderhevig is aan invoerbeperkingen (bijv. maximale stuurkracht). Dit is een kritieke vereiste in toepassingen zoals satellietrendezvous of robotbesturing binnen een planninghorizon.

De specifieke moeilijkheden zijn:

• Niet-lineaire systemen met beperkingen: Bestaande methoden zoals Hamilton-Jacobi (HJ) reachability zijn te rekenintensief voor hoge dimensies (exponentiële schaling).
• Aanvankelijke onveiligheid: Standaard Control Barrier Functions (CBF) garanderen alleen asymptotische stabiliteit als het systeem al veilig is. Als de starttoestand buiten de veilige set ligt, bieden ze geen garantie voor binnenkomst binnen een specifieke tijd.
• Beperkingen van bestaande prescribed-time methoden: Methoden die gebruikmaken van tijdsvariërende versterkingsfactoren (gains) die naar oneindig divergeren naarmate de deadline nadert, leiden vaak tot onbeperkte stuurkracht. Dit maakt het moeilijk om de haalbaarheid onder invoerbeperkingen vooraf te verifiëren of te garanderen dat de actuatoren niet verzadigen.

2. Methodologie

De auteurs stellen een nieuw raamwerk voor: Constricting Control Barrier Functions (CBF). In plaats van een statische veilige set te definiëren, construeren ze een tijdsvariërende "veiligheidsbuis" die in de loop van de tijd krimpt.

Kernconcepten:

• De Constricting Tube:
  Gegeven een doelset $C = \{x : h(x) \geq 0\}$ en een starttoestand $x(0)$ die buiten $C$ ligt, wordt een tijdsafhankelijke relaxatie $r(x(0), t)$ gedefinieerd.
  De "constricting CBF" wordt gedefinieerd als:
  $$\tilde{h}(x, t) = h(x) + r(x(0), t)$$
  Waarbij:

  • $r(x(0), 0) = r_0$ (de initiële overtreding van de veilige set).
  • $r(x(0), T) = 0$ (de buis krimpt exact tot de doelset op de deadline).
  • $\dot{r}(t) \leq 0$ (monotone krimp).
    De buis $\tilde{C}(t) = \{x : \tilde{h}(x, t) \geq 0\}$ bevat de starttoestand en krimpt naar de doelset.

• Forward Invariance als Mechanisme:
  Als een controller ervoor zorgt dat de trajectorie binnen deze krimpende buis blijft (forward invariant), dan is het systeem per constructie op tijd $T$ binnen de doelset $C$. De "krimp" van de buis fungeert als een interne druk die het systeem naar binnen duwt.

• Stuurwet Synthese:
  De controller wordt gevonden door een kwadratisch programma (QP) op te lossen dat de volgende lineaire ongelijkheid respecteert:
  $$L_f h(x) + L_g h(x) u + \dot{r}(t) \geq -\gamma(\tilde{h}(x, t))$$
  Hierbij is $\dot{r}(t)$ de krimp-snelheid. Deze term zorgt voor de prescribed-time convergentie.

• Haalbaarheidsanalyse onder Beperkingen:
  Een cruciale bijdrage is de analyse van de barrière-authoriteit ($\sigma(x)$), gedefinieerd als de maximale snelheid waarmee $h(x)$ kan worden verhoogd met de beschikbare stuurkracht $u_{max}$.
  $$\sigma(x) = \max_{\|u\| \leq u_{max}} \dot{h}(x, u)$$
  Voor haalbaarheid moet de krimp-snelheid $|\dot{r}(t)|$ altijd kleiner zijn dan de lokale barrière-authoriteit. Dit leidt tot een gesloten-formule voor de minimale hersteltijd ($T_{min}$):
  $$T_{min} = \frac{r_0}{\sigma_{min}}$$
  Waarbij $\sigma_{min}$ de slechtst mogelijke barrière-authoriteit is over de gehele buis. Als $T \geq T_{min}$, is het probleem gegarandeerd haalbaar zonder dat de stuurkracht oneindig hoeft te worden.

3. Belangrijkste Bijdragen

1. Constricting CBF Framework: Een methode die prescribed-time herstel reduceert tot een forward-invariantie probleem via een door de ontwerper gespecificeerde buis. Dit vereist slechts één affiene constraint per tijdstap, onafhankelijk van de systeemdimensie.
2. Analytische Haalbaarheidsvoorwaarde: Een verifieerbare voorwaarde voor de ontwerpfase die de relatie legt tussen de deadline $T$, de krimp-snelheid en de beschikbare stuurkracht. Dit elimineert de noodzaak voor offline berekeningen of Lyapunov-analyses om de haalbaarheid te bewijzen.
3. Beperkte Stuurkracht: In tegenstelling tot bestaande prescribed-time methoden die divergerende gains vereisen, garandeert dit raamwerk dat de stuurkracht begrensd blijft binnen de actuatorlimieten, zolang $T \geq T_{min}$.
4. Schaalbaarheid: Het raamwerk is toepasbaar op hoge-dimensionale systemen (demonstreerd op een 16-dimensionaal multi-agent systeem), waar grid-gebaseerde methoden (zoals HJ reachability) onuitvoerbaar zijn.

4. Resultaten en Validatie

De auteurs valideren het raamwerk in drie scenario's:

• Multi-agent Systeem (16 dimensies):

  • Een systeem van 8 ontkoppelde agents (totaal 16 dimensies) moet binnen een deadline naar een gezamenlijke veilige set.
  • Resultaat: De voorgestelde methode bereikte prescribed-time herstel met een piekstuurkracht die ver onder de verzadigingslimiet lag ($\approx 3.66$ vs. limiet $\approx 28.28$).
  • Vergelijking: Een bestaande prescribed-time CLF-methode [5] resulteerde in frequente schommelingen en permanente verzadiging van de actuatoren (ongeveer 70% van de tijd) vanwege de divergerende gains.

• HOCBF voor Dubbele Integrator (Relatiegraad 2):

  • Toepassing op een systeem met relatiegraad 2 (positie en snelheid) waarbij de barrière niet direct afhankelijk is van de input.
  • Resultaat: Door de methode te combineren met High-Order CBFs (HOCBF), werd gegarandeerd dat het systeem binnen de deadline in de doelset kwam, zelfs met een traag nominale regelaar. De stuurkracht bleef binnen de limieten.

• Unicycle Reach-Avoid Planning:

  • Een niet-lineaire unicycle moest een doel bereiken terwijl een obstakel op het rechte pad werd vermeden.
  • Resultaat: De methode werd geïntegreerd in een Model Predictive Control (MPC) probleem. De planner navigeerde veilig om het obstakel heen en bereikte de doelset op de exacte deadline, terwijl de veiligheidsvoorwaarde (obstakelvermijding) continu werd gehandhaafd.

5. Betekenis en Conclusie

Dit paper biedt een schaalbaar en wiskundig onderbouwd raamwerk voor prescribed-time controle onder invoerbeperkingen. De belangrijkste doorbraken zijn:

• Ontwerp-zekerheid: Het biedt een analytische manier om vooraf te bepalen of een bepaalde deadline haalbaar is met de beschikbare hardware ($T \geq T_{min}$).
• Efficiëntie: Het vermijdt de rekenintensiviteit van HJ-methoden en de onbeperkte stuurkracht van divergerende gains-methoden.
• Flexibiliteit: Het kan eenvoudig worden uitgebreid met meerdere constraints (zoals obstakelvermijding) en werkt voor systemen met hogere relatiegraden.

Het raamwerk maakt het mogelijk om veilige, tijdsgebonden controlestrategieën te ontwerpen voor complexe, hoge-dimensionale systemen in real-time, wat een grote stap voorwaarts is voor de praktische toepassing van veilige autonome systemen.