Designing Control Barrier Functions Using a Dynamic Backup Policy

Resumo Técnico: Projetando Funções de Barreira de Controle Usando uma Política de Backup Dinâmica

Declaração do Problema
As Funções de Barreira de Controle (CBFs) são ferramentas estabelecidas para sintetizar filtros de segurança para sistemas não lineares de controle afim sujeitos a restrições de estado e de entrada. No entanto, a construção sistemática de CBFs válidas para sistemas gerais sob restrições arbitrárias permanece um problema em aberto. Enquanto os praticantes frequentemente dependem de CBFs candidatas ajustadas com variáveis de folga (slack variables), estas carecem de garantias de segurança rigorosas. As abordagens sistemáticas existentes incluem aprendizado de máquina, otimização de soma de quadrados (sum-of-squares) e CBFs de backup que utilizam políticas pré-especificadas. Existe uma lacuna específica no projeto de CBFs que lidem rigorosamente com restrições arbitrárias, oferecendo simultaneamente uma estratégia de backup dinâmica e parametrizada que evite o conservadorismo dos métodos baseados em Lyapunov ou a lentidão das abordagens tradicionais de Governador de Referência (RG).

Metodologia
O método proposto constrói CBFs dentro de um espaço aumentado de estado e referência ($\mathbb{R}^n \times \mathbb{R}^l$), inspirado na literatura de Governador de Referência e nas Margens de Segurança Dinâmicas (DSMs). A metodologia central envolve as seguintes etapas:

1. Configuração do Sistema e Premissas: A abordagem considera sistemas de controle afim $\dot{x} = f(x) + g(x)u$ sujeitos a restrições. Assume-se a existência de uma variedade de equilíbrio parametrizada por uma referência virtual $v$, juntamente com uma política de controle localmente estabilizadora e continuamente diferenciável $\pi(x, v)$ que torna o equilíbrio $\bar{x}(v)$ assintoticamente estável.
2. Definição de DSM Baseada em Trajetória: Em vez de usar funções de Lyapunov, os autores definem uma Margem de Segurança Dinâmica (DSM) $\Delta(x, v)$ baseada na trajetória do sistema "pré-estabilizado" (onde a entrada de controle é fixa para $\pi(x, v)$). A DSM quantifica a distância mínima até a violação de restrições ao longo de um horizonte de tempo futuro, assumindo que a referência $v$ permaneça constante:
   $$\Delta(x, v) = \inf_{\tau \in [0, \infty)} c(\Phi(\tau, x, v), v)$$
   onde $\Phi$ é o fluxo das dinâmicas pré-estabilizadas e $c$ descreve as restrições.
3. Análise de Sensibilidade: Para computar as derivadas de Lie necessárias para a condição da CBF, o artigo deriva os Jacobianos de sensibilidade do fluxo $\Phi$ em relação ao estado inicial $x$ ($S_x$) e à referência $v$ ($S_v$). Demonstra-se que, sob premissas suaves (linearização de Hurwitz no equilíbrio), essas matrizes de sensibilidade convergem para valores conhecidos conforme $\tau \to \infty$.
4. Formulação Tratável: Para lidar com a intratabilidade computacional de horizontes infinitos e o potencial de não-suavidade da função ínfimo, o método emprega:
   • Horizonte Finito com Restrições Terminais: O horizonte infinito é truncado para $[0, T]$, com uma DSM terminal $\Delta_F$ (por exemplo, baseada em Lyapunov) garantindo invariância para $\tau > T$.
   • Jacobianos Generalizados de Clarke: Para lidar com casos onde o ínfimo não é único (não-suavidade), as restrições do filtro de segurança são impostas usando os Jacobianos generalizados de Clarke, garantindo que a condição da CBF se mantenha para todos os subgradientes.
5. Implementação do Filtro de Segurança: A CBF resultante é utilizada em um filtro de segurança de Programação Quadrática (QP). Este filtro minimiza o desvio de um controlador nominal $\kappa(x)$ e de um campo de navegação de referência $\rho(v)$, sujeito à restrição de que a derivada temporal da DSM (computada via Jacobianos de sensibilidade) satisfaça a condição da CBF.

Principais Contribuições
O artigo estende trabalhos anteriores sobre DSMs e CBFs de backup com quatro contribuições específicas:

• Política de Backup Parametrizada: A política de backup não é uma única política estática, mas sim parametrizada pela variedade de equilíbrio do sistema. Isso permite que o filtro de segurança utilize uma família de políticas de backup em vez de uma única política fixa.
• Parametrização Dinâmica: A política de backup é dinâmica porque sua parametrização (a referência $v$) é variante no tempo, permitindo uma aplicação de segurança mais flexível.
• Estabilidade de Matrizes de Sensibilidade: Os autores demonstram rigorosamente que as matrizes de sensibilidade subjacentes ($S_x$ e $S_v$) são assintoticamente estáveis sob premissas suaves, facilitando o cálculo das derivadas da CBF.
• Tratamento de Não-Suavidade: A potencial não-suavidade da CBF resultante é abordada rigorosamente usando Jacobianos generalizados de Clarke, garantindo que as garantias de segurança se mantenham mesmo quando o mínimo baseado em trajetória não é único.

Resultos
O método é validado em um pêndulo invertido sobre um carrinho, um sistema caracterizado por saturação de entrada, múltiplas restrições, fortes não-linearidades, alto grau relativo e dinâmica de fase não-mínima. O sistema tem a tarefa de mover-se de uma posição inicial para um alvo enquanto respeita limites de estado e de entrada.

Simulações comparativas contra quatro outras abordagens (Controle Nominal, DSM-CBF baseada em Lyapunov, Governador de Referência (ERG) e Backup CBF) demonstram que:

• O controlador Nominal falha em satisfazer as restrições.
• A DSM-CBF baseada em Lyapunov é excessivamente conservadora, resultando em um desempenho mais lento.
• A abordagem de Governador de Referência (ERG) é sistematicamente mais lenta que os métodos baseados em CBF.
• A Backup CBF (usando uma política de backup fixa) funciona, mas é mais lenta que o método proposto.
• A DSM-CBF baseada em trajetória proposta alcança o melhor desempenho enquanto garante a satisfação das restrições. Os autores atribuem isso ao grau de liberdade adicional proporcionado pela parametrização da política de backup via referência $v$, o que permite ao sistema navegar pelas restrições de forma mais eficiente do que as políticas de backup fixas.

Significância e Alegações
O artigo afirma fornecer uma abordagem sistemática para construir CBFs válidas para sistemas não lineares com restrições arbitrárias, indo além da dependência de funções candidatas heurísticas. Ao alavancar previsões de trajetória de um sistema pré-estabilizado, o método une a segurança rigorosa das CBFs com a flexibilidade dos Governadores de Referência. Os autores enfatizam que a abordagem é computacionalmente tratável porque as previsões de trajetória dependem apenas do estado e da referência atuais, não das variáveis de otimização, mantendo o custo desprezível em comparação ao Controle Preditivo Baseado em Modelo (MPC). O trabalho estabelece que margens de segurança dinâmicas derivadas de análise de trajetória são CBFs válidas, oferecendo uma alternativa rigorosa às construções baseadas em Lyapunov, que podem ser excessivamente conservadoras para sistemas instáveis em malha aberta.