⚡ electrical engineering

Safety Filtering with an Infinite Number of Constraints

Dit artikel breidt de theorie van controlebarrièrefuncties uit naar scenario's met een oneindig aantal veiligheidsbeperkingen door voorwaarden te identificeren die noodzakelijk en voldoende zijn voor voorwaartse invariantie, de continuïteit van de resulterende controllers waarborgen en de theorie verbinden met praktische toepassingen zoals back-up CBF's.

Oorspronkelijke auteurs: Max H. Cohen, Pio Ong, Pol Mestres, Aaron D. Ames

Gepubliceerd 2026-04-20

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Max H. Cohen, Pio Ong, Pol Mestres, Aaron D. Ames

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 zelfrijdende auto bestuurt die een heel specifieke route moet volgen, maar er is één grote regel: de auto mag nooit de weg verlaten.

In de wereld van robotica en autonome systemen noemen we dit "veiligheid". Wetenschappers gebruiken een wiskundig hulpmiddel genaamd Control Barrier Functions (CBF). Je kunt dit zien als een onzichtbare, magische muur rondom de veilige zone. Zolang de auto aan de regels van deze muur voldoet, is hij veilig.

Het probleem in de oude wereld:
Tot nu toe werkten deze "muren" goed als er een eindig aantal regels waren. Bijvoorbeeld: "Blijf binnen de lijnen van de weg" en "Houd afstand tot de andere auto". Dat zijn twee of drie regels. De wiskunde hiervoor was al lang bekend.

Maar wat als de regels oneindig zijn?
Stel je voor dat je niet alleen binnen de lijnen moet blijven, maar dat je ook moet garanderen dat je nooit in de toekomst ergens tegen een muur aanrijdt, zelfs niet als je straks remt of sturen. Of stel je voor dat je een robotarm hebt die oneindig veel mogelijke posities heeft, en je moet garanderen dat hij nooit in aanraking komt met een mens, ongeacht hoe de mens beweegt.

Dit is het probleem van Backup CBFs (een methode om veiligheid te garanderen door te kijken naar wat er gebeurt als je een noodplan activeert). Hierbij moet je oneindig veel momenten in de toekomst controleren. De oude wiskunde viel hier tegen:

Hoe weet je zeker dat je veilig blijft als je oneindig veel regels hebt?
Hoe bouw je een controller (de "hersenen" van de auto) die niet vastloopt of stopt met werken omdat er te veel regels zijn?
Is de besturing soepel, of schokt de auto als hij te veel regels probeert te volgen?

De oplossing in dit paper:
De auteurs van dit paper (Max H. Cohen, Pio Ong, Pol Mestres en Aaron D. Ames) hebben een nieuwe manier bedacht om met deze "oneindige muren" om te gaan. Ze hebben de theorie uitgebreid zodat hij werkt met oneindig veel constraints (beperkingen).

Hier is hoe ze het oplossen, vertaald in alledaagse taal:

1. De "Onzichtbare Muur" begrijpen (Nagumo's Theorem)

Stel je voor dat je op de rand van een meer staat. Je wilt weten of je in het water valt.

Oude manier: Je kijkt alleen naar de plek waar je nu staat. Als je niet naar het water duikt, ben je veilig.
Nieuwe manier (met oneindige regels): Je moet weten of je veilig bent, niet alleen nu, maar ook als je naar elk puntje van de oever kijkt dat op dat moment "actief" is.
De auteurs bewijzen wiskundig dat je, zolang je aan een paar strakke voorwaarden voldoet (zoals dat de oever niet "ruw" of gebroken is), gewoon naar de rand kunt kijken en daar een simpele regel kunt toepassen: "Als je op de rand staat, moet je beweging je naar binnen of langs de rand duwen, nooit naar buiten." Dit werkt zelfs als er oneindig veel punten op die rand zijn.

2. De "Slimme Regelaar" (Optimal-Decay CBF)

In de oude methoden moest de computer voor elke regel een aparte "straf" berekenen. Bij oneindige regels zou dat betekenen: oneindig veel straffen berekenen. Dat is onmogelijk voor een computer; het zou vastlopen.

De auteurs introduceren een Optimal-Decay CBF.

De analogie: Stel je voor dat je een auto hebt die te snel gaat. In plaats van voor elke mogelijke remweg een aparte rem te bouwen, heb je nu één slimme rempedaal.
Dit pedaal past zichzelf automatisch aan. Als de situatie erg gevaarlijk is, remt hij hard. Als het rustig is, remt hij zachtjes.
In hun nieuwe methode gebruiken ze één variabele (één "rempedaal") om alle oneindige regels tegelijkertijd te regelen. Dit maakt het mogelijk om de berekening te doen zonder dat de computer explodeert van de hoeveelheid data.

3. Van Oneindig naar Eindig (De "Steekproef")

Hoe los je een probleem op met oneindige regels in de echte wereld? Je kunt niet oneindig veel dingen checken.
De auteurs tonen aan dat je de oneindige regels kunt vervangen door een kleine, slimme steekproef.

De analogie: Stel je wilt weten of een hele bak met appels rot is. Je hoeft niet elke appel te proeven (dat zijn er oneindig veel). Als je weet dat de appels heel gelijkmatig zijn, volstaat het om er een paar op strategische plekken te proeven. Als die goed zijn, zijn ze waarschijnlijk allemaal goed.
Ze bewijzen wiskundig dat als je genoeg "steekproeven" neemt (een eindig aantal punten), en die voldoen aan de regels, dan voldoen ze automatisch aan alle oneindige regels. Hierdoor kan de computer het probleem oplossen met standaard software.

4. Het Praktische Voorbeeld: De Dubbele Integrator

In het paper testen ze dit met een simpele auto (een "dubbele integrator").

Situatie: De auto moet binnen een gebied blijven.
Oude methode (Backup CBF): De auto probeerde te remmen, maar omdat de regels te strikt en complex waren, kwam de computer in de knoop. De auto "wist" niet wat hij moest doen en de besturing viel uit (infeasibility).
Nieuwe methode (OD-CBF): Met hun nieuwe "slimme rempedaal" (de optimale decay variabele) kon de auto soepel blijven rijden. De besturing was glad, de regels werden gehaald, en de auto bleef veilig, zelfs in situaties waar de oude methode faalde.

Samenvatting

Dit paper is als het vinden van de sleutel om een deur te openen die tot nu toe vergrendeld leek.

Vroeger: "We kunnen niet met oneindige veiligheidsregels werken; het is te ingewikkeld."
Nu: "We hebben een manier gevonden om die oneindige regels te vertalen naar een paar simpele, soepele regels die een computer wel aankan."

Dit betekent dat zelfrijdende auto's, robots en drones in de toekomst veiliger kunnen worden, omdat ze complexere situaties kunnen begrijpen zonder vast te lopen in de wiskunde. Ze kunnen nu "voorspellen" wat er in de toekomst gebeurt en daarop reageren, zonder dat hun hersenen (de controller) overbelast raken.

Titel: Safety Filtering met een Oneindig Aantal Beperkingen

Auteurs: Max H. Cohen, Pio Ong, Pol Mestres, en Aaron D. Ames.

1. Probleemstelling

Controleerbarrièrefuncties (Control Barrier Functions - CBF's) vormen een rigoureuze theoretische basis voor het ontwerpen van controllers die veiligheidsbeperkingen afdwingen in autonome systemen. Bestaande theorie is voornamelijk ontwikkeld voor een eindig aantal veiligheidsbeperkingen (bijvoorbeeld $h_i(x) \geq 0$ voor $i=1 \dots N$ ).

Echter, bepaalde kritieke toepassingen vereisen een oneindig aantal beperkingen. De meest prominente voorbeelden zijn:

Backup CBF-frameworks: Hierbij wordt een conservatieve veilige set uitgebreid naar een grotere set door gebruik te maken van de stroming (flow) van het systeem onder een back-up controller. De resulterende invariantie-set wordt gedefinieerd door oneindig veel constraints (één voor elk tijdstip langs de horizon van de back-up flow).
Veiligheid onder onzekerheid: Waar de veilige set wordt gedefinieerd door configuraties waarin alle mogelijke schattingen van de toestand veilig zijn.
Vermijden van botsingen bij stijve lichamen.

Hoewel deze methoden in de praktijk succesvol zijn, blijven fundamentele theoretische vragen onbeantwoord:

Wat zijn de noodzakelijke en voldoende voorwaarden voor voorwaartse invariantie van sets met oneindige constraints?
Wat is de definitie van een CBF voor dergelijke sets?
Onder welke voorwaarden zijn de resulterende controllers continu (een vereiste voor stabiliteit en uitvoerbaarheid)?
Kan de oneindige collectie beperkingen worden gereduceerd tot een eindig aantal zonder in te leveren op veiligheid?

2. Methodologie

De auteurs breiden de CBF-theorie uit naar een setting met oneindige constraints. Ze beschouwen niet-lineaire systemen in de vorm $\dot{x} = f(x) + g(x)u$ en een veilige set $S$ gedefinieerd als:
$S = \{x \in \mathbb{R}^n \mid h(\tau, x) \geq 0, \forall \tau \in T\}$
waarbij $T$ een compacte parameter-set is (bijvoorbeeld een tijdsinterval) en $h$ continu is in $\tau$ en continu differentieerbaar in $x$ .

De aanpak omvat de volgende stappen:

Analyse van de rand: Ze definiëren de rand van $S$ via de set van actieve constraints ( $Act(x) = \{\tau \in T \mid h(\tau, x) = 0\}$ ).
Reguliere voorwaarden: Ze introduceren een "goed gestelde" (well-posed) aanname (Assumptie 1), die garandeert dat er op de rand een richting bestaat waarin alle actieve constraints strikt toenemen.
Nagumo's Theorema: Ze tonen aan dat onder deze voorwaarden Nagumo's Theorema (noodzakelijk en voldoende voor invariantie) kan worden vertaald naar barrière-achtige ongelijkheden op de rand van de set.
Optimale Afname Barrièrefuncties (OD-BF/OD-CBF): Ze introduceren het concept van "Optimal-Decay" barrièrefuncties. In tegenstelling tot standaard CBF's die een vaste afname-functie $\alpha$ vereisen, gebruiken OD-CBF's een variabele $\theta(\tau, x)$ die de afname dynamisch aanpast. Dit maakt het mogelijk om één enkele "OD-variabele" te gebruiken voor alle oneindige constraints, wat de optimalisatie haalbaar maakt.
Reductie tot eindige constraints: Ze bewijzen dat als de constraints strikt haalbaar zijn, er een eindige subset van parameters $\{\tau_i\}$ bestaat die voldoende is om de volledige oneindige set te garanderen, mits de discretie fijn genoeg is.

3. Belangrijkste Bijdragen

Voorwaartse Invariantie (Theorema 1):
De auteurs bewijzen dat voor een set $S$ met oneindige constraints, voorwaartse invariantie noodzakelijk en voldoende is als en slechts als:
$\frac{\partial h}{\partial x}(\tau, x)F(x) \geq 0, \quad \forall \tau \in Act(x)$
voor alle $x$ op de rand van $S$ . Dit generaliseert Nagumo's Theorema naar oneindige dimensies.
Noodzakelijke en Voldoende Voorwaarden via OD-BF (Propositie 1):
Ze tonen aan dat het bestaan van een Optimal-Decay Barrièrefunctie (OD-BF) noodzakelijk en voldoende is voor invariantie. Dit sluit de theoretische kloof tussen de abstracte invariantievoorwaarden en de praktische CBF-ontwerpcriteria.
Regelbaarheid en Continuïteit van Controllers:
- Ze definiëren OD-CBF's voor regelsystemen (Propositie 3).
- Ze bewijzen dat als er een gladde feedback-controller bestaat die aan de oneindige constraints voldoet, er ook een continue controller bestaat die kan worden gegenereerd via een optimalisatieprobleem (Propositie 4).
- Ze tonen aan dat zelfs als de gesloten-lus dynamica slechts continu is (niet lokaal Lipschitz), voorwaartse invariantie kan worden gegarandeerd onder specifieke voorwaarden (Theorema 2).
Reductie tot Eindige Constraints (Propositie 5):
Ze bieden een procedure om het oneindige optimalisatieprobleem om te zetten in een eindig probleem. Als er een oplossing bestaat die aan de oneindige constraints voldoet, dan voldoet een oplossing die alleen aan een fijn genoeg gediscrreteerde subset van constraints voldoet ook aan de volledige set. Dit maakt het gebruik van standaard QP-oplossers (Quadratic Programming) mogelijk.

4. Resultaten en Validatie

De theorie wordt gevalideerd aan de hand van een Backup CBF toepassing op een dubbele integrator (een robot met positie en snelheid).

Situatie: Het doel is om de positie $|x_1| \leq 1$ te houden met een beperkte input $|u| \leq 1$ .
Probleem met traditionele Backup CBF: Bij het gebruik van een vaste $\alpha$ -functie voor de oneindige constraints (gediscrreteerd in 42 punten) bleek het optimalisatieprobleem op bepaalde punten binnen de veilige set onhaalbaar (infeasible) te zijn, wat leidde tot ongedefinieerde dynamica.
Oplossing met OD-CBF: Door de methode uit dit artikel toe te passen (met één OD-variabele $\omega$ die de afname-rate aanpast), werd het probleem overal haalbaar.
Visualisatie: Figuur 1 in het artikel toont dat de controller met de OD-variabele een goed gedefinieerde vectorveld oplevert over de hele veilige set, terwijl de traditionele aanpak gaten vertoonde waar de controller faalde.

5. Betekenis en Impact

Dit artikel is van fundamenteel belang voor het veld van veiligheidskritieke besturing:

Theoretische Volledigheid: Het lost de open theoretische vragen op rondom CBF's met oneindige constraints, wat essentieel is voor de formalisering van methoden zoals Backup CBFs.
Praktische Toepasbaarheid: Het biedt een brug tussen complexe theoretische invariantie en praktische implementatie. Door de reductie naar eindige constraints en het gebruik van OD-variabelen, kunnen ingenieurs nu veiligheidsfilters ontwerpen voor complexe scenario's (zoals langere tijdshorizons of onzekerheid) zonder dat de controller faalt door onhaalbaarheid.
Robuustheid: Het garandeert dat de ontworpen controllers continu zijn, wat cruciaal is voor de stabiliteit en uitvoerbaarheid in echte hardware.

Kortom, het paper levert de wiskundige onderbouwing en de praktische tools om veiligheidsfilters te ontwerpen voor systemen die vereisen dat oneindig veel veiligheidsvoorwaarden tegelijkertijd worden gerespecteerd.