⚡ electrical engineering

Boundary Sampling to Learn Predictive Safety Filters via Pontryagin's Maximum Principle

该论文提出一种基于庞特里亚金极大值原理的边界采样方法，通过引导数据收集聚焦于安全临界状态，显著提升了学习哈密顿 - 雅可比可达性分析中控制障碍值函数的效率与精度，并在共享控制赛车应用中实现了毫秒级的安全滤波验证。

原作者： James Dallas, Thomas Lew, John Talbot, Jonathan DeCastro, Somil Bansal, John Subosits

发布于 2026-04-16

📖 1 分钟阅读☕ 轻松阅读

原作者： James Dallas, Thomas Lew, John Talbot, Jonathan DeCastro, Somil Bansal, John Subosits

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于如何让自动驾驶汽车（特别是赛车）变得更聪明、更安全的故事。

想象一下，你正在教一个机器人学习开车，而且是在赛道上飙车。这个机器人必须跑得很快，但又绝对不能冲出赛道。

1. 核心难题：如何教机器人“哪里不能去”？

传统的做法是给机器人画一条“安全线”，告诉它：“只要不越过这条线，你就安全。”

缺点：这种方法太“短视”了（论文里叫 Myopic）。就像你开车时，如果只盯着眼前这一米看，等到发现前面有墙时，可能已经来不及刹车了。
更好的方法：我们需要一种能“看穿未来”的安全过滤器。它能预测：“如果我现在继续这样开，3 秒后我会不会撞墙？”如果会，它现在就提前微调方向盘。

2. 现有的困境：大海捞针

为了教会机器人这种“看穿未来”的能力，我们需要用大量的数据去训练它（就像用成千上万张试卷教学生）。

问题：赛道很大，安全的地方很多，但真正危险的地方（也就是刚好要冲出赛道的那条边缘线）非常少。
比喻：如果你想在森林里找一只特定的稀有蝴蝶，你如果只是在森林里随机乱跑（均匀采样），可能跑断腿也找不到。你需要知道蝴蝶通常喜欢停在什么样的树叶上，然后专门去那些地方找。

这篇论文就是为了解决这个“大海捞针”的问题。

3. 核心创新：波恩哈特·庞特里亚金（PMP）——“极限边缘的导航仪”

作者们引入了一种数学工具，叫庞特里亚金最大值原理（PMP）。

通俗解释：
想象你在玩一个极限游戏：你要把车开到离悬崖边缘只有 1 毫米的地方，但绝对不能掉下去。
- 普通的随机采样（Uniform Sampling）就像是在赛道上随便扔飞镖，大部分都扔在了安全区，很少扔在悬崖边。
- PMP 方法就像是一个老练的极限车手。他知道，要找到“安全”和“危险”的边界，必须沿着那条最惊险的路线走。这条路线就是“刚好没掉下去”的轨迹。
论文的做法：
他们利用 PMP 数学公式，专门计算出这些“刚好没掉下去”的极限轨迹。然后，他们只收集这些极限轨迹上的数据来训练 AI。
- 效果：这就好比不再让机器人漫无目的地乱跑，而是直接把它带到悬崖边，手把手教它：“看，再往左一点就完了，往右一点就安全了。”

4. 实验结果：又快又稳

作者在真实的赛车平台上做了实验（一辆可以自动驾驶的赛车）：

学得更快：因为数据都是“干货”（关键的危险边缘数据），机器人不需要看几千张普通试卷，只需要看几十张“极限试卷”就能学会。
更聪明：机器人学会了预判。
- 场景：当车手准备高速过弯时，如果只靠反应，可能等看到弯道太急才刹车，那就晚了。
- 新系统：在车手还没意识到危险时，系统就预测到“如果按现在的速度过弯，3 秒后会冲出赛道”，于是提前轻轻踩了一脚刹车或微调了方向。
干预更少：因为它预判得准，所以不需要等到最后一刻才“猛打方向盘”去救车，而是平滑地、最小程度地介入，既保证了安全，又保留了车手的驾驶乐趣。

5. 总结：给自动驾驶装上“第六感”

这篇论文的核心贡献可以总结为：

以前：教自动驾驶安全，像是在茫茫大海里随机找针，效率低，容易漏掉危险。
现在：利用 PMP 数学原理，直接定位到“针”（危险边缘）藏在哪里，专门收集这些关键数据。
结果：训练出的安全系统（CBVF）像是一个拥有第六感的副驾驶。它不仅能防止车祸，还能在危险发生前优雅地化解危机，让赛车在极限边缘飞驰却安然无恙。

一句话总结：这就好比教一个新手司机，不再让他漫无目的地在街上乱开，而是专门带他去那些“差点就撞车”的险境进行特训，让他学会如何精准地控制车辆，既快又稳。

1. 研究背景与问题定义 (Problem)

核心挑战：
随着自主系统（如自动驾驶汽车）的普及，确保其安全性至关重要。传统的控制障碍函数（CBF）虽然能最小化修改名义控制器的输出，但存在**短视（myopic）**问题，即仅基于瞬时状态信息强制执行安全，缺乏对未来轨迹的预测，可能导致在复杂场景下出现突兀的干预或失败。

现有方法的局限性：

哈密顿 - 雅可比（HJ）可达性分析：通过计算逆向可达管（Backward Reachable Tubes, BRT）提供了具有前瞻性的安全保证，并可通过控制障碍值函数（CBVF）嵌入二次规划（QP）框架。然而，精确求解 HJ 方程受限于“维数灾难”，难以应用于高维系统。
基于学习的 HJ 近似：利用神经网络（如 DeepReach）近似值函数可扩展至高维系统，但面临数据效率低下的问题。均匀采样（Uniform Sampling）难以有效覆盖决定安全边界的“临界状态”（即那些刚好避免违反约束的状态），导致模型在安全边界附近的预测精度不足，收敛慢且失败率高。

研究目标：
开发一种高效的数据采样策略，专门针对高维复杂系统中的安全临界状态，以训练出具有预测能力、数据效率高且侵入性小的安全过滤器。

2. 方法论 (Methodology)

本文提出了一种基于**庞特里亚金极大值原理（PMP）**的边界采样方法，用于生成高信息量的训练数据，以指导学习型的 HJ 可达性分析。

2.1 理论推导：PMP 与边界轨迹

问题建模：将寻找安全集边界的问题转化为一个最小时间最优控制问题（OCP）。目标是找到从安全集内部出发，最快到达安全集边界 $\partial S$ 的轨迹。
PMP 条件：利用 PMP 推导最优解的必要条件。
- 定义了伴随向量（Adjoint vector） $p$ 和哈密顿量。
- 关键发现（Lemma 1 & Corollary 1）：那些“勉强”保持在安全集内（barely-staying）的轨迹，对应于 PMP 中的异常极值（Abnormal Extremals），即 $p_0 = 0$ 。
- 这意味着，为了保持在安全边界上而不立即离开，轨迹在接触边界时的速度必须与边界相切。这一特性使得可以通过 PMP 条件解析地计算出这些临界轨迹。

2.2 边界采样算法 (PMP-Informed Boundary Sampling)

基于上述理论，提出了一种生成训练样本的算法流程：

初始化：在安全集 $S$ 内随机采样初始状态。
边界点识别：通过梯度下降法，寻找满足 PMP 终端条件的终端状态 $(x_T, p_T)$ $(x_{T}, p_{T})$ ：
- $h(x_T) = 0$ （位于边界上）
- $p_T = \nabla h(x_T)$ （伴随向量垂直于边界）
- $p_T^\top (f(x_T) + g(x_T)u_T) = 0$ （速度切于边界）
反向积分：从终端状态 $(x_T, p_T)$ 开始，利用 PMP 的状态 - 伴随动力学方程（ $\dot{x}, \dot{p}$ ）进行时间反向积分。
数据增强：生成的轨迹覆盖了逆向可达管的边界，提供了密集的安全临界区域样本。这些样本被用于增强 DeepReach 的训练数据集。

2.3 安全过滤器实现

使用生成的数据训练神经网络，学习控制障碍值函数（CBVF） $V_\gamma(x, t)$ 。
将学习到的 CBVF 嵌入到二次规划（QP）中，作为安全过滤器：
$\min_{u_t} \|u_t - u_d\|^2 \quad \text{s.t.} \quad \nabla_t V_\gamma + L_f V_\gamma + L_g V_\gamma \cdot u_t \geq -\gamma V_\gamma$
其中 $u_d$ 是驾驶员或名义控制器的输入， $u_t$ 是修正后的安全输入。

3. 主要贡献 (Key Contributions)

理论推导：推导了基于 PMP 的最优性条件，证明了“勉强避免约束违反”的轨迹对应于异常极值，从而定义了逆向可达管的边界。
数据效率提升：提出了一种利用 PMP 边界轨迹引导数据采样的方法。相比均匀采样，该方法显著提高了复杂高维系统（如赛车动力学）中学习型 HJ 可达性的训练效率和准确性。
预测性安全过滤器：构建了一个学习型的 CBVF，能够编码未来轨迹信息。在共享控制（Shared Control）的赛车场景中，证明了其作为预测性、最小侵入性安全过滤器的有效性。

4. 实验结果 (Results)

实验在共享控制的赛车场景中进行，使用 3 自由度单轨车辆模型（高维、非线性动力学）。

4.1 仿真结果 (Simulation)

失败率降低：在相同的训练轮次下，PMP 采样显著降低了安全过滤器的失败率（Failure Rate）。例如，在 30k 轮次时，2 层网络的失败率从均匀采样的 0.66 降至 0.30。
样本效率：在固定训练预算（50k 轮次）下，PMP 采样在更少的样本量下就能达到比均匀采样更低的失败率，证明了其更高的样本效率。
安全集重建精度：通过交并比（IOU）评估，PMP 采样学习到的安全集形状更接近真实代理模型（Ground Truth Proxy），而均匀采样往往产生过于乐观（不安全）的安全集。
长时域预测：随着预测时域（Horizon）的增加，PMP 采样的优势更加明显，能够更准确地捕捉长时域下的安全边界。

4.2 实车验证 (Experimental Validation)

平台：在丰田研究研究所（TRI）的定制线控赛车（配备 Elaphe 轮毂电机和 RTK-GPS）上进行了实车测试。
表现：
- 预测性干预：系统能够在驾驶员即将冲出赛道前提前减速或调整转向，而不是等到危险发生后才进行紧急制动。
- 最小侵入性：在直道等安全区域，系统尊重驾驶员的输入；仅在弯道或接近边界时进行必要的修正。
- 实时性：推理时间（Wall time）约为 3ms，满足实时控制要求。
- 案例：在驾驶员未能成功过弯的测试中，安全过滤器成功防止了车辆驶出赛道，而模拟显示若无过滤器，车辆将冲出外道。

5. 意义与结论 (Significance & Conclusion)

解决短视问题：该方法成功将预测能力嵌入到安全过滤器中，克服了传统 CBF 仅依赖瞬时信息的短视缺陷。
突破维数限制：通过结合 PMP 引导的采样和深度学习，有效解决了高维非线性系统（如赛车动力学）中 HJ 可达性分析的数据效率瓶颈。
实际应用价值：在共享控制场景下，证明了该方法既能保障安全（防止事故），又能保持驾驶体验（最小化不必要的干预），为高动态、高风险环境下的自主系统安全控制提供了新的解决方案。
未来方向：研究采样方案、安全集几何形状与系统可控性之间的深层联系，进一步优化不同动力学特性系统的采样策略。

总结：这篇论文通过理论创新（PMP 异常极值分析）指导数据生成，成功训练出了高效、精准且具有前瞻性的安全过滤器，并在实车赛车场景中验证了其卓越性能，是安全关键型自主系统控制领域的一项重要进展。