Maximal Controlled Invariant-MPC: Enhancing Feasibility and Reducing Conservatism through Terminal CBF Constraint in Safety-Critical Control

Resumo Técnico: MPC de Invariante Controlado Máximo

Enunciado do Problema
Sistemas de controle críticos para segurança frequentemente dependem de Funções de Barreira de Controle (CBFs) para impor restrições. No entanto, a construção de uma CBF minimamente conservadora é computacionalmente intratável para sistemas de ordem superior. Consequentemente, abordagens padrão frequentemente resultam em conjuntos seguros excessivamente conservadores ($X_{safe}$) que restringem o sistema a um subconjunto do verdadeiro conjunto seguro invariante controlado máximo ($X^*_{safe}$). Este conservadorismo reduz a otimalidade e a viabilidade do sistema, particularmente em tarefas complexas de navegação onde o sistema deve operar próximo aos limites de regiões inseguras conhecidas ($X_{avoid}$). Formulações existentes de Controle Preditivo Baseado em Modelo (MPC) que integram CBFs dependem de restrições geométricas miopes, exigem variáveis de folga e ajuste de taxas de decaimento, ou impõem restrições de quase-CBF de múltiplos passos, frequentemente falhando em fornecer garantias formais sobre a redução do conservadorismo ou a expansão dos conjuntos alcançáveis com o aumento dos horizontes de previsão.

Metodologia
Os autores propõem uma formulação inovadora de MPC, denominada MPC-MCI (Controle Preditivo Baseado em Modelo com restrições de Invariante Controlado Máximo), que desacopla a segurança transitória da invariância terminal para reduzir o conservadorismo, mantendo garantias formais de segurança.

1. Formulação: O problema de otimização minimiza uma função de custo padrão sobre um horizonte de previsão $N$ sujeito a:

   • Restrições Transitórias: Uma função de distância assinada $d(x)$ é imposta para ser não negativa ($d(x_{t+k}) \ge 0$) para todos os passos $k \in \{0, \dots, N-1\}$. Isso garante que o sistema nunca entre no conjunto inseguro conhecido $X_{avoid}$ durante o horizonte de previsão.
   • Restrição Terminal: Uma restrição de Função de Barreira de Controle de um único passo é imposta apenas ao estado terminal ($h(x_{t+N}) \ge 0$). Isso ancora o estado terminal dentro do conjunto seguro conhecido $X_{safe}$, que é um subconjunto do conjunto invariante controlado máximo $X^*_{safe}$.

2. Garantias Teóricas:

   • Viabilidade Recursiva: Os autores fornecem uma prova construtiva mostrando que, se o problema for viável em $t=0$, ele permanece viável para todo $t > 0$. A prova baseia-se no fato de que $X_{safe}$ é invariante por controle; assim, uma sequência de controle válida existe para manter o sistema dentro de $X_{safe}$ indefinidamente, uma vez que o estado terminal é alcançado.
   • Segurança: A trajetória de malha fechada é provada permanecer dentro de $X^*_{safe}$ (o subconjunto invariante controlado máximo de $X \setminus X_{avoid}$), garantindo segurança mesmo se a trajetória entrar temporariamente em regiões onde o valor da CBF é negativo ($h < 0$), mas a distância assinada permanece positiva ($d \ge 0$).
   • Melhoria de Alcançabilidade: Através de análise de alcançabilidade, o artigo demonstra que o conjunto alcançável de um passo para o MPC-MCI expande-se monotonicamente à medida que o horizonte de previsão $N$ aumenta. Em contraste, o conjunto alcançável para métodos anteriores (especificamente NMPC-DCBF) permanece estático, independentemente do comprimento do horizonte.

3. Eficiência Computacional: A natureza construtiva da prova de viabilidade permite o warm-start (inicialização quente) da otimização não linear. O otimizador utiliza a trajetória previamente calculada, acrescida de uma política de controle de recuperação, como estimativa inicial. Isso reduz significativamente o tempo computacional sem sacrificar as garantias de viabilidade.

Principais Contribuições

• Estrutura de Otimização: Desenvolvimento de um framework de MPC recursivamente viável que garante a segurança mantendo o sistema dentro do subconjunto seguro invariante controlado máximo, abordando limitações em trabalhos anteriores [3, 4].
• Redução do Conservadorismo: O método requer apenas viabilidade inicial para garantir segurança futura, permitindo que o sistema opere em regiões fora do $X_{safe}$ conservador (ou seja, dentro de $X^*_{safe} \setminus X_{safe}$), desde que sejam geometricamente seguras ($d \ge 0$).
• Restrições Simplificadas: Diferentemente de abordagens que usam quase-CBFs de dois passos [7] ou variáveis de folga com taxas de decaimento [4], o MPC-MCI impõe uma única restrição de CBF terminal e uma restrição de distância ao longo do horizonte, eliminando a necessidade de ajuste de parâmetros (por exemplo, $\gamma$) ou funções de restrição auxiliares.
• Provas Construtivas: O artigo fornece provas construtivas para viabilidade recursiva que permitem o warm-start, acelerando substancialmente a computação.
• Análise de Alcançabilidade: Demonstração formal de que os conjuntos viáveis e alcançáveis expandem-se com o aumento do horizonte de previsão, uma propriedade não garantida em formulações anteriores de NMPC-DCBF.

Resultados
O método proposto foi validado através de simulações em um sistema unicycle não holonômico 2D com um obstáculo circular.

• Melhoria de Viabilidade: O número de estados iniciais inviáveis diminuiu por um fator de 1,74 a 2,73 em comparação com a abordagem NMPC-DCBF. Especificamente, para um caso de alta velocidade, os pontos inviáveis caíram de 5.560 para 2.034.
• Dependência do Horizonte: À medida que o horizonte de previsão $N$ aumentou (de 2 a 21), a fração de estados viáveis para o MPC-MCI aumentou monotonicamente (por exemplo, de 0,74 para 0,84 no Caso 1), enquanto a fração viável para o NMPC-DCBF permaneceu constante.
• Rastreamento de Trajetória: O sistema rastreou com sucesso uma trajetória de referência que estava inteiramente dentro da região "insegura" da CBF ($h < 0$), mas permanecia geometricamente segura ($d \ge 0$). O NMPC-DCBF conservador falhou em rastrear essa trajetória, desviando-se significativamente ou movendo-se muito lentamente.

Significância
O artigo afirma que ancorar a segurança no estado terminal, em vez de impor restrições de CBF ao longo de todo o horizonte, é um método principiado para recuperar a otimalidade perdida devido ao design conservador de CBFs. Ao aproveitar a função de distância assinada para segurança transitória e a CBF apenas para invariância terminal, a formulação MPC-MCI alcança um controlador comprovadamente seguro que admite trajetórias que se aventuram em regiões de "segurança desconhecida" ($X^*_{safe} \setminus X_{safe}$). Esta abordagem elimina a necessidade de variáveis de folga, ajuste de taxa de decaimento ou restrições complexas de múltiplos passos, oferecendo uma alternativa computacionalmente eficiente e menos conservadora para controle crítico de segurança em sistemas não lineares.