Output Feedback Backup Control Barrier Functions: Safety Guarantees Under Input Bounds and State Estimation Error

Título: Funções de Barreira de Backup com Realimentação de Saída: Garantias de Segurança sob Limites de Entrada e Erro de Estimativa de Estado

1. Problema e Motivação

A garantia de segurança em sistemas autônomos é crítica para sua implementação no mundo real. As Funções de Barreira de Controle (CBFs) tornaram-se uma ferramenta fundamental para garantir a invariância de conjuntos seguros. No entanto, a maioria das abordagens existentes assume que o estado verdadeiro do sistema é perfeitamente conhecido.

Na prática, os sistemas operam com base em estimativas de estado derivadas de medições ruidosas (realimentação de saída). Além disso, os atuadores físicos possuem limites de entrada (saturação). O problema central abordado neste trabalho é:

• Como garantir a segurança do estado verdadeiro (que é desconhecido) quando o controlador só tem acesso a uma estimativa de estado com erro?
• Como lidar com essa incerteza quando o sistema também possui restrições de entrada (limites no controle)?

Abordagens anteriores de CBFs com realimentação de saída muitas vezes falham em garantir a viabilidade do controlador (ou seja, a existência de uma entrada de controle que satisfaça as restrições) ou não consideram como a incerteza do estado atual afeta as previsões futuras do sistema.

2. Metodologia Proposta

Os autores propõem uma extensão das Funções de Barreira de Backup (bCBFs) para o contexto de realimentação de saída, denominadas O-bCBFs (Output Feedback Backup Control Barrier Functions).

A metodologia baseia-se nos seguintes pilares:

A. Estrutura do Sistema e Estimador

• O sistema dinâmico é não linear e afim em relação à entrada.
• Utiliza-se um estimador de estado (observador) que gera uma estimativa $\hat{x}$ baseada em medições ruidosas $y$.
• Assume-se que o erro de estimativa ($e_x = x - \hat{x}$) é limitado por uma função conhecida $\delta_x(t)$, que pode decair ao longo do tempo.

B. Controle de Backup e Invariância

• Define-se um conjunto de backup ($C_B$) e um controlador de backup ($k_b$) que são seguros e invariantes.
• O controlador de backup é projetado para ser robusto a perturbações aditivas, onde a perturbação é modelada como a diferença entre o controle aplicado ao estado estimado e o estado verdadeiro.

C. Duas Abordagens para Expansão do Conjunto Seguro

Para lidar com a incerteza, os autores propõem duas técnicas para expandir o conjunto de backup para um conjunto maior e controlável ($\hat{C}_{I}(t)$), definido inteiramente pela estimativa de estado:

1. Método de Segurança em Malha Aberta (Open-loop):

   • Analisa a evolução futura da estimativa de estado sem correção de erro (sem o termo de inovação do observador).
   • Constrói um "tubo" de incerteza ao redor do fluxo estimado.
   • Garante que, se o fluxo estimado estiver dentro de um conjunto seguro e o tubo de incerteza contiver o fluxo verdadeiro, a segurança é mantida.
   • É mais simples e eficaz para sistemas lineares ou com dinâmicas de entrada constantes.

2. Método de Segurança em Malha Fechada (Closed-loop):

   • Considera a evolução do sistema com o termo de correção do observador.
   • Utiliza propriedades de contração (Lipschitz unidirecional) das dinâmicas de backup para derivar limites de fluxo mais apertados.
   • É mais adequado para sistemas não lineares complexos onde o ganho do observador pode ser explorado para reduzir a incerteza futura.

D. Condições de Invariância e Otimização

• Derivam-se condições de invariância forward para o conjunto estimado $\hat{C}_{I}(t)$.
• Introduzem-se termos de "apertamento" (tightening terms), $\epsilon_\tau$ e $\epsilon_b$, que subtraem a margem de erro da função de barreira. Isso garante que, mesmo com o erro de estimativa, o estado verdadeiro permaneça dentro dos limites de segurança.
• O controlador final é sintetizado resolvendo um Programa Quadrático (QP) que minimiza o desvio de um controlador primário ($k_p$), sujeito às restrições de barreira ajustadas para realimentação de saída.
• Se o QP for inviável, o controlador de backup $k_b$ é acionado, garantindo a viabilidade recursiva.

3. Contribuições Principais

1. Garantias de Segurança com Estado Desconhecido: O trabalho fornece condições formais que garantem que o estado verdadeiro satisfaça as restrições de segurança, mesmo quando apenas uma estimativa ruidosa está disponível.
2. Viabilidade sob Limites de Entrada: Diferente de trabalhos anteriores que assumem a existência de uma entrada segura, este método prova que, sob certas condições de estimativa e projeto do backup, sempre existe uma entrada de controle viável que mantém a segurança, mesmo com restrições de saturação.
3. Abordagem Construtiva: Apresenta dois métodos (malha aberta e malha fechada) para calcular os limites de desvio do fluxo e os termos de apertamento, permitindo a aplicação prática em sistemas não lineares.
4. Extensão das bCBFs: Adapta a técnica de Backup Control Barrier Functions para o domínio de realimentação de saída, lidando explicitamente com a acoplamento entre o fluxo conhecido (estimado) e o desconhecido (verdadeiro).

4. Resultados e Simulações

Os autores validaram a metodologia em dois estudos de caso:

• Caso 1: Integrador Duplo (Sistema Linear):

  • Simulação de um sistema com medição ruidosa de posição e limites de força.
  • Demonstrou que o controlador O-bCBF mantém o estado verdadeiro dentro do conjunto seguro, enquanto o controlador de backup garante a viabilidade.
  • Mostrou que o "tubo" de incerteza encolhe conforme o erro de estimativa diminui, reduzindo o conservadorismo ao longo do tempo.

• Caso 2: Rotação de Nave Espacial (Sistema Não Linear):

  • Modelo de corpo rígido com equações de Euler e medições de giroscópio ruidosas.
  • O objetivo era limitar a velocidade angular máxima.
  • Comparação Crítica: O método padrão de bCBF (que ignora o erro de estimativa e usa $\hat{x}$ como se fosse $x$) falhou, permitindo que o estado verdadeiro saísse do conjunto seguro.
  • O método proposto (O-bCBF) manteve o estado verdadeiro seguro em todos os momentos, demonstrando a necessidade de considerar a incerteza na previsão do fluxo.

5. Significado e Impacto

Este trabalho é significativo porque preenche uma lacuna crítica entre a teoria de controle seguro (CBFs) e a realidade da implementação em sistemas autônomos.

• Robustez Realista: Remove a suposição irrealista de "estado perfeito", tornando as garantias de segurança aplicáveis a sistemas com sensores imperfeitos.
• Segurança com Restrições: Resolve o problema de viabilidade em sistemas com atuadores limitados, um cenário comum na robótica e aeroespacial.
• Aplicabilidade: Oferece um framework matemático rigoroso que pode ser implementado em tempo real através de otimização convexa (QP), permitindo a síntese de controladores seguros para sistemas complexos e não lineares que operam sob incerteza.

Em resumo, o artigo estabelece que é possível projetar controladores que garantam a segurança de sistemas físicos reais (com ruído e limites de atuação) utilizando apenas estimativas de estado, desde que se utilize uma abordagem de "backup" com previsão de fluxo e ajuste conservador das barreiras de segurança.