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

Resumo Técnico: Abordagem Baseada em Projeção para Restrições Mistas Estado-Entrada

1. Problema Abordado

O controle de sistemas autônomos modernos exige o cumprimento rigoroso de restrições de segurança. Tradicionalmente, as Funções de Barreira de Controle (CBFs) garantem que o estado do sistema permaneça dentro de um conjunto seguro. No entanto, a maioria das formulações clássicas foca apenas em restrições de estado (ex: posição, velocidade) e ignora explicitamente as limitações dos sinais de controle (entrada), como força ou torque.

O desafio central deste trabalho é lidar com restrições mistas (acopladas) de estado e entrada, onde a segurança depende simultaneamente de ambas as variáveis. Exemplos comuns incluem:

• Robótica: Limites de aceleração que dependem da massa (estado) e da força aplicada (entrada).
• Veículos Autônomos: Regiões de estabilidade que variam com o ângulo de direção e a força de frenagem.
• Restrições de Potência: Onde a potência é o produto de velocidade (estado) e força (entrada).

Métodos existentes, como CBFs de ordem superior (HOCBFs) ou métodos de CBFs de backup, muitas vezes falham em garantir viabilidade recursiva (a capacidade de encontrar uma solução de controle válida em todos os passos futuros) quando essas restrições mistas estão presentes, ou exigem leis de controle de backup complexas e saturadas.

2. Metodologia Proposta

Os autores propõem um framework de controle seguro que generaliza o método de Funções de Barreira de Controle de Backup (Backup CBFs) utilizando uma abordagem baseada em projeção.

• Conceito Central (Projeção): A ideia fundamental é projetar as restrições mistas do espaço de estado-entrada ($\mathbb{R}^n \times \mathbb{R}^m$) para o espaço de estado puro ($\mathbb{R}^n$) ao longo de um controlador de backup ($k_b(x)$).

  • Define-se um conjunto de restrições projetado $C_p = \{x \in \mathbb{R}^n : (x, k_b(x)) \in D\}$, onde $D$ é o conjunto de restrições mistas original.
  • Isso transforma uma restrição dependente de entrada em uma restrição puramente dependente de estado, que pode ser tratada com CBFs de backup padrão.

• Extensão para Múltiplas Restrições: O método é generalizado para lidar com múltiplas restrições desacopladas (estados e entradas separados) e acopladas (mistas) simultaneamente, utilizando um único par de Conjunto de Backup – Controlador de Backup.

• Síntese do Controlador: O controlador final é sintetizado resolvendo um Programa Quadrático (QP) que minimiza o desvio de um controlador desejado ($k_d$), sujeito a:

  1. Restrições de CBF de backup para o conjunto projetado (garantindo que o sistema permaneça em uma região onde o backup é viável).
  2. Restrições de CBF de backup para o conjunto de backup original.
  3. A restrição mista original $H(x, u) \geq 0$ aplicada diretamente no QP.

• Vantagem Computacional: Se as restrições mistas forem afins na entrada, o problema de otimização permanece um QP (fácil de resolver). Além disso, para restrições desacopladas, o método elimina a necessidade de saturar o controlador de backup em todo o espaço de estados, permitindo que o fluxo de backup seja calculado analiticamente (em sistemas linearizáveis), reduzindo drasticamente o custo computacional.

3. Principais Contribuições

1. Framework de Projeção: Introdução de uma técnica para converter restrições mistas estado-entrada em restrições de estado puras através da projeção ao longo de um controlador de backup, garantindo viabilidade recursiva.
2. Generalização de Backup CBFs: Extensão do método de Backup CBF para lidar com múltiplas restrições (estados, entradas e mistas) usando um único par de backup, simplificando a estrutura do controlador.
3. Simplificação de Projeto: Demonstração de que a abordagem projetada remove a necessidade de saturação do controlador de backup em todo o espaço de estados, facilitando o cálculo do fluxo de backup (possibilidade de solução analítica).
4. Garantia de Viabilidade: Prova teórica de que o controlador sintetizado mantém o sistema dentro de um conjunto invariante que satisfaz todas as restrições mistas indefinidamente.

4. Resultados e Validação

Os autores validaram o método em um exemplo de Pêndulo Invertido com os seguintes requisitos:

• Restrições de Estado: Ângulo ($|x_1| \leq \phi_{max}$).
• Restrições de Entrada: Torque ($u_{min} \leq u \leq u_{max}$).
• Restrições Mistas: Potência ($P_{min} \leq x_2 u \leq P_{max}$).

Comparação e Desempenho:

• Análise de Conjuntos: A análise mostrou que o conjunto invariante proposto ($S^p_I$) é menor que os conjuntos obtidos apenas com restrições de estado ou apenas com restrições de entrada, refletindo a segurança rigorosa imposta pelas restrições de potência.
• Simulação Numérica:
  • O método proposto (Backup CBF-QP) manteve todas as restrições (estado, entrada e potência) satisfeitas, mesmo para um sistema instável em malha aberta.
  • Em contraste, uma abordagem clássica baseada em HOCBF (que tenta impor restrições de entrada e potência diretamente no QP sem a projeção de backup) tornou-se inviável (infeasible) durante a simulação, levando o sistema a violar os limites de entrada e potência.
• Eficiência: O uso de um controlador de backup baseado em linearização por realimentação permitiu o cálculo analítico do fluxo de backup, eliminando a necessidade de integração numérica em tempo real, o que acelera a execução do algoritmo.

5. Significado e Impacto

Este trabalho preenche uma lacuna crítica na teoria de controle seguro, fornecendo uma ferramenta prática para sistemas onde a segurança não pode ser garantida apenas monitorando o estado, mas depende intrinsecamente da ação de controle (ex: limites de energia, atrito, torque).

A principal inovação é a projeção, que permite tratar restrições complexas e acopladas com a mesma robustez teórica das restrições de estado puras, sem sacrificar a viabilidade do controlador. Isso é particularmente relevante para aplicações em robótica legada, veículos autônomos e sistemas de teleoperação, onde limites de energia e força são críticos para a segurança operacional. O método oferece um equilíbrio entre garantias formais de segurança e eficiência computacional, sendo aplicável em tempo real.