⚡ electrical engineering

Enforcing Mixed State-Input Constraints with Multiple Backup Control Barrier Functions: A Projection-based Approach

Deze paper introduceert een projectiegebaseerde veiligheidskritieke besturingsframework dat gemengde toestands- en invoerbeperkingen afdwingt door ze om te zetten in toestandsbeperkingen via een back-upcontroller, waardoor de synthese van back-up barrierfuncties wordt vereenvoudigd en de veiligheid van systemen zoals een omgekeerde slinger met gelijktijdige beperkingen op hoek, koppel en vermogen wordt gegarandeerd.

Oorspronkelijke auteurs: Laszlo Gacsi, Adam K. Kiss, Ersin Das, Tamas G. Molnar

Gepubliceerd 2026-03-19

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Laszlo Gacsi, Adam K. Kiss, Ersin Das, Tamas G. Molnar

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

Titel: Hoe we robots veilig houden: De "Plan B" methode voor complexe regels

Stel je voor dat je een robot bestuurt die een zware doos moet dragen. Je hebt drie belangrijke regels voor deze robot:

De positie: De robot mag niet tegen de muur aanlopen (dit is een toestand-regel).
De kracht: De robot mag niet te hard duwen, anders breekt zijn arm (dit is een input-regel).
De energie: De combinatie van snelheid en kracht (het vermogen) mag niet te hoog zijn, anders oververhit de motor (dit is een gemengde regel).

Het probleem in de wereld van robotica is dat deze regels vaak met elkaar verweven zijn. Als de robot te snel gaat, mag hij minder kracht zetten. Als hij te hard duwt, mag hij niet te snel gaan. Traditionele methoden om robots veilig te houden, worstelen vaak met deze complexe mix. Ze proberen alles in één keer op te lossen, wat soms leidt tot een "crash" in de software: de robot weet plotseling niet meer wat hij moet doen en stopt.

Dit paper introduceert een slimme nieuwe manier om dit op te lossen, genaamd de "Projectie-methode met Back-up". Laten we dit uitleggen met een paar alledaagse vergelijkingen.

1. Het probleem: De "Verkeersborden" die elkaar blokkeren

Stel je voor dat je in een auto zit. Je hebt een snelheidsbord (max 50 km/u) en een bord dat zegt "niet harder dan 1000 toeren". Als je in een bocht zit, moet je misschien zelfs langzamer.
In de oude methoden (zoals Control Barrier Functions) probeert de computer op elk moment te berekenen of je aan alle regels voldoet. Maar als de regels te complex zijn (bijvoorbeeld: "niet te veel vermogen"), kan de computer in de war raken. Het is alsof je probeert een ingewikkelde puzzel op te lossen terwijl je nog steeds rijdt; soms lukt het niet op tijd en botst je tegen de muur.

2. De oplossing: De "Back-up Plan" (Backup CBF)

De auteurs gebruiken een concept dat we een "Back-up Plan" kunnen noemen.
Stel je voor dat je een piloot bent. Je hebt een "ideale vlucht" (waar je snelheid en koers wilt hebben), maar je hebt ook een "veiligheidsmanier" (een back-up controller).

De Back-up Controller: Dit is een heel conservatieve, simpele manier om te vliegen. Denk aan "alle remmen erop en langzaam naar de grond gaan". Dit is saai, maar het is altijd veilig.
De Back-up Set: Dit is een klein, veilig gebiedje waar je altijd veilig kunt landen.

De oude methode vroeg: "Hoe zorg ik dat je nu veilig bent?"
Deze nieuwe methode vraagt: "Hoe zorg ik dat je altijd in staat bent om op elk moment naar dat veilige Back-up Plan te schakelen?"

3. De slimme truc: Projectie (Het "Spiegelbeeld")

Hier komt de echte innovatie. De auteurs zeggen: "Laten we die moeilijke regels over vermogen en kracht niet direct in de complexe wereld van 'snelheid + kracht' bekijken. Laten we ze projecteren naar de wereld van alleen 'snelheid'."

De Analogie van de Schaduw:
Stel je voor dat je een robot hebt die een lantaarnpaal vasthoudt. De schaduw van de robot op de grond (de staat) is makkelijker te meten dan de lantaarnpaal zelf (de combinatie van staat en kracht).

De auteurs nemen die moeilijke "vermogen-regel" (die van kracht én snelheid afhangt).
Ze kijken naar wat er gebeurt als de robot precies de "Back-up Plan" uitvoert (de veilige manier).
Ze projecteren die regel op de grond. Nu hebben ze een simpele regel over alleen de positie van de robot.

Door deze "projectie" doen ze twee dingen:

Ze maken het makkelijker: In plaats van een ingewikkeld wiskundig probleem op te lossen, lossen ze nu een simpel probleem op (alleen over de positie).
Ze voorkomen dat de robot vastloopt: Omdat ze weten dat de robot altijd veilig kan terugvallen op het Back-up Plan, kunnen ze de robot veel vrijer laten bewegen in het "ideale" gebied, zonder bang te hoeven zijn dat hij vastloopt.

4. Wat levert dit op? (De "Inverted Pendulum" test)

De auteurs hebben dit getest op een omgekeerde slinger (een stok die rechtop moet blijven op een karretje).

Regel 1: De stok mag niet te veel kantelen (staat).
Regel 2: De motor mag niet te veel kracht zetten (input).
Regel 3: Het vermogen (snelheid x kracht) mag niet te hoog zijn (gemengd).

Het resultaat:

Oude methode (HOCBF): De computer probeerde alles direct te regelen. Omdat de regels te complex waren, raakte de computer in de war. De robot viel om of de motor ging oververhitten.
Nieuwe methode (Projectie + Back-up): De computer dacht vooruit. "Als ik nu iets te hard duw, kan ik later niet meer veilig stoppen met mijn Back-up Plan." Dus hij paste de kracht nu al iets aan.
- De robot bleef rechtop.
- De motor bleef binnen de limieten.
- Het vermogen bleef veilig.

Samenvatting in één zin

In plaats van te proberen elke complexe regel direct op te lossen (wat vaak leidt tot chaos), kijken deze auteurs vooruit: "Zorg dat je op elk moment nog steeds kunt terugvallen op een simpele, veilige manier," en gebruiken ze een slimme wiskundige truc (projectie) om die complexe regels om te zetten in simpele regels die de computer makkelijk kan begrijpen.

Het is alsof je niet probeert te voorkomen dat je struikelt door elke steen te vermijden, maar door te zorgen dat je altijd een veilige plek hebt om te vallen, zodat je nooit echt pijn doet.

Titel: Handhaving van Gemengde Toestand-Invoerbeperkingen met Meerdere Backup Control Barrier Functions: Een Projectie-gebaseerde Benadering

Auteurs: Laszlo Gacsi, Adam K. Kiss, Ersin Das, en Tamas G. Molnar.

1. Het Probleem

Veiligheidskritieke besturingssystemen (zoals autonome voertuigen en robots) moeten vaak voldoen aan beperkingen die niet alleen de systeemtoestand (bijv. positie, snelheid) betreffen, maar ook de besturing (bijv. kracht, koppel) of een combinatie van beide.

Toestandsbeperkingen: Bijvoorbeeld het binnenhouden van een robot in een veilige zone.
Invoerbeperkingen: Bijvoorbeeld maximale koppel- of stroomlimieten.
Gemengde beperkingen: Dit is de kernuitdaging. Voorbeelden zijn vermogenbeperkingen (afhankelijk van snelheid én kracht) of stabiliteitsgebieden die veranderen met de besturing.

Bestaande methoden, zoals standaard Control Barrier Functions (CBF), zijn vaak moeilijk toe te passen op gemengde beperkingen omdat ze geen expliciete rekening houden met invoerlimieten of omdat de resulterende optimalisatieproblemen niet recursief haalbaar zijn (d.w.z. de controller kan vastlopen). De bestaande "Backup CBF"-methode lost dit op voor gescheiden beperkingen, maar niet voor gekoppelde (gemengde) beperkingen.

2. Methodologie

De auteurs presenteren een nieuw raamwerk dat Backup Control Barrier Functions (Backup CBFs) uitbreidt om gemengde toestand-invoerbeperkingen aan te pakken via een projectie-methode.

Kernconcepten:

Projectie van de Beperking:
In plaats van de gemengde beperking $H(x, u) \geq 0$ direct in de optimalisatie te forceren (wat leidt tot niet-haafbare problemen), projecteren de auteurs deze beperking vanuit de toestand-invoerruimte ( $\mathbb{R}^n \times \mathbb{R}^m$ ) naar de toestandruimte ( $\mathbb{R}^n$ ).
Dit gebeurt langs een vooraf gedefinieerde backup controller $k_b(x)$ . De geprojecteerde beperkingsfunctie wordt gedefinieerd als:
$h(x) \triangleq H(x, k_b(x))$
Hierdoor wordt een complexe gemengde beperking omgezet in een zuivere toestandsbeperking.
Meerdere Beperkingen met één Paar:
Het artikel introduceert een methode om meerdere ontkoppelde toestands- én invoerbeperkingen te hanteren met slechts één backup-set en één backup-controller. Dit vereenvoudigt de synthese aanzienlijk ten opzichte van eerdere methoden die meerdere controllers nodig hadden.
Invariantie en Recursieve Haalbaarheid:
De methode definieert een invariantie-set $S_I^p$ (de verzameling toestanden waaruit de backup-set veilig bereikbaar is binnen een tijdsvenster $T$ ).
- De controller wordt ontworpen om deze set $S_I^p$ invariant te houden.
- Omdat de backup-controller $k_b(x)$ binnen deze set altijd voldoet aan de beperkingen, is het optimalisatieprobleem (een Kwantitatief Programmeringsprobleem of QP) altijd recursief haalbaar.
Vereenvoudiging voor Gescheiden Beperkingen:
Een belangrijk bijeffect is dat voor gescheiden toestands- en invoerbeperkingen de noodzaak om de backup-controller te verzadigen (satureren) over de hele toestandsruimte verdwijnt. De invoerbeperkingen hoeven alleen binnen de kleine backup-set te gelden. Dit maakt het mogelijk om vaak een lineair backup-systeem te gebruiken, waardoor de back-up flow analytisch (in plaats van numeriek) kan worden berekend.

3. Belangrijkste Bijdragen

Generalisatie van Backup CBF: Uitbreiding van de methode om zowel meerdere ontkoppelde beperkingen als complexe gemengde beperkingen te behandelen.
Projectie-techniek: Een innovatieve aanpak om gemengde beperkingen om te zetten in zuivere toestandsbeperkingen via een projectie langs de backup-controller.
Wiskundige Formulering: Het bewijzen dat het resulterende optimalisatieprobleem (QP) recursief haalbaar is en dat het de veiligheid garandeert voor alle $t \geq 0$ .
Efficiëntie: Het elimineren van de noodzaak voor verzadigde backup-controllers en het mogelijk maken van analytische berekeningen van de back-up flow, wat de rekentijd verlaagt.

4. Resultaten (Invert Pendulum Voorbeeld)

De methode werd getest op een invers pendulum met de volgende beperkingen:

Toestand: Hoekbeperking ( $|x_1| \leq \phi_{max}$ ).
Invoer: Koppelbeperking ( $u_{min} \leq u \leq u_{max}$ ).
Gemengd: Vermogensbeperking ( $P_{min} \leq x_2 u \leq P_{max}$ ).

Vergelijking:
De auteurs vergeleken hun methode met een klassieke High-Order CBF (HOCBF) methode.

HOCBF-resultaat: De QP werd onhaalbaar (infeasible) wanneer de invoer- en vermogenslimieten direct werden opgelegd. De simulatietrajecten verlieten de veilige set en schonden de limieten.
Backup CBF-resultaat: De voorgestelde methode hield alle beperkingen (hoek, koppel en vermogen) tegelijkertijd in acht. Dankzij de voorspellende aard van de backup CBF intervenieerde de controller vroeger dan de HOCBF, waardoor het systeem stabiel bleef binnen de gedefinieerde veilige set $S_I^p$ .

De analyse toonde aan dat de set van veilige startposities ( $S_I^p$ ) kleiner is dan de set voor alleen toestandsbeperkingen, wat de prijs is voor het garanderen van veiligheid onder strikte invoer- en vermogenslimieten.

5. Betekenis en Conclusie

Dit artikel biedt een systematische oplossing voor een langdurig probleem in de regeltechniek: het veilig regelen van systemen onder complexe, gekoppelde beperkingen.

Praktische Toepasbaarheid: De methode is direct toepasbaar op robots, voertuigen en andere systemen waar vermogen, koppel en dynamiek met elkaar verweven zijn.
Rekenkundig Voordeel: Door het gebruik van analytische back-up flows (in plaats van numerieke integratie) wordt de berekeningslast verlaagd, wat essentieel is voor real-time toepassingen.
Veiligheidsgarantie: Het biedt formele garanties voor veiligheid en recursieve haalbaarheid, zelfs in onstabiele systemen zoals een invers pendulum.

Kortom, de auteurs hebben een robuust raamwerk ontwikkeld dat de beperkingen van bestaande CBF-methoden overbrugt en een nieuwe standaard biedt voor veiligheidskritieke besturing onder gemengde beperkingen.