Technische Samenvatting: Policy Library Control Barrier Function (PL-CBF)

Probleemstelling

De inzet van autonome systemen in ongestructureerde, real-world omgevingen staat voor aanzienlijke uitdagingen wat betreft online veiligheidscertificering. In tegenstelling tot klassieke omgevingen met vaste beperkingen en volledig gemodelleerde parameters, opereren ingezette robots onder waarnemingsbeperkte informatie waarbij veilige gebieden online worden onthuld, dynamische obstakels verschijnen en verdwijnen, en bedrijfsomstandigheden (bijvoorbeeld wrijving) in de loop van de tijd veranderen.

Hoewel formele verificatietools zoals Hamilton-Jacobi (HJ) bereikbaarheidsanalyse sterke garanties bieden, lijden ze onder de vloek van de dimensionaliteit en zijn ze computationeel onuitvoerbaar voor hoogdimensionale robotsystemen. Control Barrier Functions (CBF's) bieden een schaalbaar alternatief, maar vereisen doorgaans een expliciete barrièrefunctie voor het volledige niet-lineaire systeem onder vaste beperkingen, wat moeilijk te verkrijgen is wanneer beperkingen online evolueren.

Bestaande runtime-veiligheidsfilters gebaseerd op rollouts, zoals Policy CBF's (PCBF's), proberen veiligheidscertificaten te construeren uit trajectrollouts zonder offline waarde-functieberekening. Deze methoden vertrouwen echter op een enkel aangewezen fallback-beleid. In ongestructureerde omgevingen is geen enkel manoeuvre betrouwbaar veilig over alle waarnemingsupdates heen. Een stopmanoeuvre kan bijvoorbeeld falen bij plotselinge wrijvingsverlies, of een vaste uitwijkmanoeuvre kan onuitvoerbaar worden door nieuw gedetecteerde obstakels. Deze afhankelijkheid van een enkele fallback leidt tot onnodig conservatisme en kan leiden tot veiligheidschendingen, zelfs wanneer alternatieve veilige manoeuvres bestaan.

Methodologie: Policy Library Control Barrier Function (PL-CBF)

De auteurs stellen PL-CBF voor, een runtime-veiligheidsfilter dat een eindige bibliotheek van diverse fallback-beleidslijnen evalueert via parallelle eind-horizon rollouts om veiligheid te certificeren en de minst invasieve veilige modus te selecteren.

Kernformulering

In plaats van te vertrouwen op een enkel backup-beleid, definieert PL-CBF een bibliotheek van $K$ kandidaat-fallback-beleidslijnen $\Pi = \{\pi_1, \pi_2, \dots, \pi_K\}$. Het construeert een waarde-functie voor een bibliotheek van eind-horizon beleidslijnen:
$$H^\Pi_T(x) := \max_{\pi_i \in \Pi} \left\{ \inf_{\tau \in [0,T]} h(\phi^{\pi_i}_\tau(x)) \right\}$$
waarbij $h$ de beperkingsfunctie is die de veilige set definieert. Als ten minste één beleid in de bibliotheek niet-negatieve beperkingswaarden behoudt over de horizon $T$, wordt de toestand als veilig beschouwd.

Synthese van het Veiligheidsfilter

Het veiligheidsfilter werkt door een Kwantitatief Programma (QP) op te lossen dat een nominale stuurinvoer $u_{nom}$ minimaal aanpast terwijl het veiligheid garandeert.

1. Parallelle Rollouts: Het systeem voert parallelle rollouts uit voor alle beleidslijnen in $\Pi$ om hun respectieve veiligheidswaarden $H^{\pi_i}_T(x)$ te berekenen.
2. Beleidsselectie: Onder de gecertificeerde veilige kandidaten (waar $H^{\pi_i}_T(x) > 0$), selecteert het filter het "minst invasieve" beleid $\pi_{i^*}$. In tegenstelling tot methoden die simpelweg de hoogste veiligheidsmarge kiezen, selecteert PL-CBF het beleid dat het volume van de toelaatbare stuurbereik $K_{cbf}(x; \pi_i)$ maximaliseert. Dit wordt gedefinieerd als:
   $$i^* = \arg \max_{i \in I_{safe}(x)} \text{Vol}(K_{cbf}(x; \pi_i))$$
3. QP-uitvoering: De uiteindelijke stuurinvoer $u^*$ wordt verkregen door op te lossen:
   $$u^* = \arg \min_{u \in U} \|u - u_{nom}\|^2_2 \quad \text{s.t.} \quad \nabla H^{\pi_{i^*}}_T(x)^\top(f(x) + g(x)u) \geq -\alpha(H^{\pi_{i^*}}_T(x))$$
   Gradienten worden efficiënt tijdens runtime berekend met automatische differentiatie via de dynamica.

Theoretische Analyse

Het artikel stelt een volledigheidvoorwaarde vast voor veiligheidscertificering met een eindige horizon met behulp van een eind-horizon taalmetriek. Deze metriek meet de worst-case afwijking in toestand tussen twee beleidsrollouts over een horizon $T$. De auteurs bewijzen dat als de beleidsbibliotheek $\Pi$ een voldoende lage benaderingsnauwkeurigheid heeft (d.w.z. de bibliotheek de ruimte van toelaatbaar gedrag nauwkeurig genoeg dekt), en als er een strikt veilig beleid bestaat met een niet-nul marge, dan is gegarandeerd dat de bibliotheek een beleid bevat dat PL-CBF kan certificeren als veilig.

Het kader bespreekt ook het conceptuele verband met klassieke CBF's en voorwaartse invariantie in een geïdealiseerde oneindige-horizon limiet, waarbij wordt opgemerkt dat als de bibliotheek een geldig backup-beleid bevat, PL-CBF de garanties voor recursieve uitvoerbaarheid van Backup CBF-benaderingen herstelt.

Belangrijkste Bijdragen

1. Veiligheidsfiltering met Beleidbibliotheek en Eindige Horizon: De introductie van PL-CBF, dat veiligheid certificeert door een eindige bibliotheek van kandidaat-fallback-beleidslijnen te evalueren via parallelle rollouts. Het selecteert de minst restrictieve beperking door het volume van het toelaatbare stuurbereik te maximaliseren onder gecertificeerde kandidaten.
2. Theoretische Karakterisering: Het vaststellen van een volledigheidvoorwaarde voor veiligheidscertificering met een eindige horizon gebaseerd op een eind-horizon taalmetriek over gesloten-lus gedrag. Dit karakteriseert de vereisten voor de dekking van de beleidsbibliotheek die nodig zijn om veiligheid te certificeren.
3. Empirische Validatie en Runtime-efficiëntie: Demonstratie van verbeterde veiligheidsdekking ten opzichte van enkel-beleidsveiligheidsfilters over drie simulatiebenchmarks (planaire dubbel-integrator, snelweg rijden met plotselinge wrijvingsveranderingen, en 3D quadrotor-navigatie) terwijl een runtime op millisecondenniveau wordt behouden.

Experimentele Resultaten

De auteurs evalueerden PL-CBF tegenover vier representatieve veiligheidsfilters (Model Predictive Shielding, Gatekeeper, Backup CBF en Policy CBF) die gebruikmaken van enkele fallback-beleidslijnen.

• Planare Dubbel-Integrator: PL-CBF demonstreerde het vermogen om de grootste veilige set te herstellen door een bibliotheek van stop- en uitwijkbeleidslijnen te evalueren, terwijl enkel-beleidsmethoden verschillende, vaak kleinere, veilige sets herstelden afhankelijk van de gekozen fallback.
• Snelweg Rijden (Plotselinge Wrijvingsverandering): In een scenario met een realistisch niet-lineair voertuigmodel (8 toestanden) en plotselinge wrijvingsveranderingen (zwart ijs), behaalde PL-CBF 0/50 falen bij een doelsnelheid van 10 m/s. Daarentegen leden alle enkel-fallback-baselines aan botsingen of onuitvoerbaarheidspercentages variërend van 22% tot 92%. PL-CBF behield een runtime van 7,5 ms per stap.
• 3D Quadrotor-navigatie: In een drukke dynamische omgeving (12 toestanden) faalden enkel-beleidsbaselines in 68% tot 79% van de trials. PL-CBF verlaagde de faalpercentages tot 0% bij gebruik van een bibliotheek van 65 manoeuvres (64 uitwijk + 1 nominaal), met een runtime van 27,9 ms. Het artikel merkt op dat een Mixed-Integer MPC-baseline met vergelijkbare manoeuvre-selectie aanzienlijk trager was (688 ms).

Betekenis en Claims

Het artikel claimt dat PL-CBF de broosheid van het vertrouwen op een enkel vast fallback-manoeuvre in ongestructureerde omgevingen aanpakt. Door multimodale veilige manoeuvres via een bibliotheek te behouden en tijdens runtime de minst invasieve optie te selecteren, verbetert de methode de veiligheidsdekking zonder realtime-prestaties te offeren.

De auteurs positioneren PL-CBF als een praktische, inzetbare veiligheidslaag met hoge frequentie. Ze stellen expliciet dat de methode de computationele onuitvoerbaarheid van HJ-bereikbaarheid en de offline syntheseeisen van traditionele CBF's vermijdt. De betekenis ligt in het vermogen om evoluerende beperkingen en waarnemingsupdates aan te pakken waar een enkel manoeuvre geen veiligheid kan garanderen, waardoor conservatisme wordt verminderd en veiligheidschendingen worden voorkomen die kunnen optreden bij enkel-beleidsfilters.

Het artikel concludeert bescheiden, met de opmerking dat toekomstig werk zich zal richten op systematische constructie van beleidsbibliotheken met leer-gebaseerde benaderingen, het hanteren van modelmismatch en waarnemingsonzekerheid, en adaptieve mechanismen om de bibliotheek online te verfijnen.