⚡ electrical engineering

Policy Library CBF: Finite-Horizon Safety at Runtime via Parallel Rollouts

本文提出策略库控制障碍函数（PL-CBF），这是一种运行时安全过滤器，通过并行推演评估一组备用策略库以选择侵入性最低的安全动作，从而在非结构化环境中确保有限时域安全，在保持毫秒级执行速度的同时，相较于单策略过滤器提供了更优的安全覆盖范围。

原作者： Taekyung Kim, Hideki Okamoto, Bardh Hoxha, Georgios Fainekos, Dimitra Panagou

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Taekyung Kim, Hideki Okamoto, Bardh Hoxha, Georgios Fainekos, Dimitra Panagou

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

想象你正驾驶一辆自动驾驶汽车穿过一座混乱的城市。突然，路况发生变化：路面出现一片黑冰，一名行人突然冲出，或施工区域挡住了你的常规路径。你的汽车电脑需要瞬间做出决定：“我是否要刹车？向左变道？向右变道？还是继续直行？”

这正是论文《策略库控制屏障函数》（Policy Library CBF）试图解决的问题。它引入了一种名为 PL-CBF（策略库控制屏障函数）的新型安全系统。

以下是其工作原理，分解为简单的概念和类比：

问题：“一刀切”的陷阱

机器人和汽车的傳統安全系统通常依赖单一备用方案。这就像一位司机只练习过一种紧急操作：猛踩刹车。

场景：你正在高速行驶，一名儿童突然跑上马路。
旧系统：汽车检测到危险，立即猛踩刹车。
失败：如果路面结冰怎么办？刹车可能导致车辆失控打滑，反而撞上儿童。或者，如果你身后紧挨着一堵墙，停车根本不可行呢？
结果：由于系统只知道如何刹车，它可能会判定当前情况“不安全”而陷入停滞，或者更糟的是，因为唯一的招数失效而发生事故。它过于僵化。

解决方案：“瑞士军刀”式策略库

作者提出了PL-CBF，这相当于给机器人配备了一把瑞士军刀，而不仅仅是一把螺丝刀。

PL-CBF 不再依赖单一备用方案，而是准备了一个包含多种不同策略（策略）的库。这个库可能包括：

急刹车（当你有空间停车时）。
向左变道（当右侧有墙时）。
向右变道（当左侧有墙时）。
略微加速（以躲避障碍物）。
正常驾驶计划（如果一切看起来正常）。

工作原理：“并行推演”竞赛

当机器人感知到环境变化时，它不会只选择一个计划。它会在毫秒级时间内进行一场思维模拟竞赛：

并行推演：想象机器人的电脑分裂成许多微小的自我版本。每个微小版本同时尝试库中不同的策略。
- 微型机器人 A 尝试刹车。
- 微型机器人 B 尝试向左变道。
- 微型机器人 C 尝试向右变道。
安全检查：电脑将这些思维推演的结果与当前现实（例如，“路面结冰了吗？”）进行比对。
- 如果刹车会导致在冰面上打滑，微型机器人 A 将被淘汰。
- 如果向左变道会撞上墙壁，微型机器人 B 将被淘汰。
获胜者：系统审视幸存的方案。它选择侵入性最小的获胜者。
- “嘿，刹车很危险，但向右变道是安全的，而且不需要我们完全停下。让我们选择向右变道。”
执行：机器人平滑地调整控制以遵循该获胜策略，确保在不过度激进的情况下保持安全。

为何更好（“最小侵入”原则）

论文强调，该系统力求温和。如果温和的转向就能解决问题，它就不想猛踩刹车。

旧方式：如果“刹车”计划是唯一被认证为安全的选项，机器人必须刹车，即使温和的转向会更安全、更舒适。
PL-CBF 方式：它检查所有选项。如果“向右变道”是安全的，它就选择该选项，因为它对司机原本到达目的地的目标干扰更小。只有在绝对必要时，它才会采取极端行动。

“毫秒级”魔法

你可能会认为检查五到十个不同计划对于真实汽车来说太慢了。论文声称该系统速度极快（运行在毫秒级）。

类比：与其试图解决一个巨大而复杂的数学谜题（这很慢），不如在并行处理器（如 GPU）上同时运行许多简单的小谜题。这就像让 100 人同时检查一栋着火建筑的不同出口，而不是让一个人逐个检查。

现实世界测试

作者在三种场景下测试了该系统：

简单的物理模型：证明其在理论上可行。
突发结冰的高速公路驾驶：当路面变滑时，旧的“仅刹车”系统发生事故或陷入停滞。PL-CBF 切换到“变道”策略并成功脱险。
拥挤仓库中的 3D 无人机：无人机必须躲避移动的人和箱子。单一计划系统经常撞毁。而拥有多种躲避动作库的 PL-CBF 则安全地穿越了混乱。

总结

PL-CBF 是一个安全过滤器，旨在防止机器人变得“固执”。它不再强制执行单一且可能危险的备用方案，而是快速模拟多种不同选项，选择最安全且干扰最小的方案，并立即执行。它将僵化的“生死抉择”式安全系统转变为一个灵活、适应性强的守护者。

技术摘要：策略库控制屏障函数（PL-CBF）

问题陈述

自主系统在非结构化现实环境中的部署，面临着在线安全认证的重大挑战。与具有固定约束和完全建模参数的经典场景不同，已部署的机器人运行在感知受限的信息环境中，安全区域是逐步在线揭示的，动态障碍物会出现和消失，且运行条件（例如摩擦力）会随时间变化。

虽然哈密顿 - 雅可比（HJ）可达性分析等形式化验证工具能提供强有力的保证，但它们受限于维数灾难，对于高维机器人系统而言在计算上是不可行的。控制屏障函数（CBF）提供了一种可扩展的替代方案，但通常需要在固定约束下为完整的非线性系统构建显式的屏障函数，而当约束在线演化时，这很难获得。

现有的基于轨迹展开（rollouts）的运行时安全过滤器，如策略 CBF（PCBFs），试图通过轨迹展开构建安全证书，而无需离线价值函数计算。然而，这些方法依赖于单一指定的备用策略。在非结构化环境中，没有任何单一机动能在所有感知更新下都可靠地保持安全。例如，停车机动可能在突发的摩擦力丧失下失效，或者固定的规避机动可能因新检测到的障碍物而变得不可行。这种对单一备用策略的依赖会导致不必要的保守性，甚至可能导致安全违规，即使存在其他安全的机动方案。

方法论：策略库控制屏障函数（PL-CBF）

作者提出了PL-CBF，这是一种运行时安全过滤器，它通过并行有限时域展开来评估有限库中的多样化备用策略，以认证安全性并选择侵入性最小的安全模式。

核心公式

PL-CBF 不依赖单一备用策略，而是定义了一个包含 $K$ 个候选备用策略的库 $\Pi = \{\pi_1, \pi_2, \dots, \pi_K\}$ 。它构建了一个有限时域策略库价值函数：
$H^\Pi_T(x) := \max_{\pi_i \in \Pi} \left\{ \inf_{\tau \in [0,T]} h(\phi^{\pi_i}_\tau(x)) \right\}$
其中 $h$ 是定义安全集的约束函数。如果库中至少有一个策略在时域 $T$ 内保持非负的约束值，则该状态被视为安全。

安全过滤器综合

安全过滤器通过求解二次规划（QP）来运行，该规划在确保安全的同时最小化对标称控制输入 $u_{nom}$ 的修改。

并行展开：系统对 $\Pi$ 中的所有策略执行并行展开，以计算各自的安全值 $H^{\pi_i}_T(x)$ 。
策略选择：在已认证的安全候选者中（即 $H^{\pi_i}_T(x) > 0$ ），过滤器选择“侵入性最小”的策略 $\pi_{i^*}$ 。与仅仅选择最高安全裕度的方法不同，PL-CBF 选择能最大化容许控制集 $K_{cbf}(x; \pi_i)$ 体积的策略。其定义如下：
$i^* = \arg \max_{i \in I_{safe}(x)} \text{Vol}(K_{cbf}(x; \pi_i))$
QP 执行：最终控制输入 $u^*$ 通过求解以下方程获得：
$u^* = \arg \min_{u \in U} \|u - u_{nom}\|^2_2 \quad \text{s.t.} \quad \nabla H^{\pi_{i^*}}_T(x)^\top(f(x) + g(x)u) \geq -\alpha(H^{\pi_{i^*}}_T(x))$
梯度利用自动微分通过动力学模型在运行时高效计算。

理论分析

本文利用有限时域语言度量建立了有限时域安全认证的完备性条件。该度量衡量了两个策略展开在时域 $T$ 内的最坏情况状态偏差。作者证明，如果策略库 $\Pi$ 具有足够低的近似精度（即库足够紧密地覆盖了容许行为空间），并且存在一个具有非零安全裕度的严格安全策略，那么该库保证包含一个 PL-CBF 可以认证为安全的策略。

该框架还讨论了其与经典 CBF 及理想化无限时域极限下前向不变性的概念联系，指出如果库包含有效的备用策略，PL-CBF 将恢复备用 CBF 方法的递归可行性保证。

主要贡献

策略库有限时域安全过滤：引入了 PL-CBF，它通过并行展开评估有限候选备用策略库来认证安全性。它在已认证的候选者中通过最大化容许控制集的体积来选择限制性最小的约束。
理论表征：基于闭环行为上的有限时域语言度量，建立了有限时域安全认证的完备性条件。这表征了认证安全性所需的策略库覆盖要求。
实证验证与运行时效率：展示了在三个仿真基准（平面双积分器、具有突发摩擦力变化的高速公路驾驶、以及 3D 四旋翼导航）中，相比单策略安全过滤器，PL-CBF 提高了安全覆盖率，同时保持了毫秒级的运行时效率。

实验结果

作者将 PL-CBF 与四种使用单一备用策略的代表性安全过滤器（模型预测屏蔽、看门人、备用 CBF 和策略 CBF）进行了评估。

平面双积分器：PL-CBF 展示了通过评估停止和规避策略库来恢复最大安全集的能力，而单策略方法则根据所选备用策略的不同，恢复了不同且通常较小的安全集。
高速公路驾驶（突发摩擦力变化）：在具有现实非线性车辆模型（8 个状态）和突发摩擦力变化（黑冰）的场景中，PL-CBF 在 10 m/s 的目标速度下实现了0/50 次失败。相比之下，所有单备用基线方法的碰撞或不可行率介于 22% 到 92% 之间。PL-CBF 保持了每步7.5 毫秒的运行时。
3D 四旋翼导航：在拥挤的动态环境（12 个状态）中，单策略基线在 68% 到 79% 的试验中失败。当使用包含 65 种机动（64 种规避 + 1 种标称）的库时，PL-CBF 将失败率降低至 0%，运行时为27.9 毫秒。论文指出，具有类似机动选择的混合整数 MPC 基线要慢得多（688 毫秒）。

意义与主张

论文声称，PL-CBF 解决了在非结构化环境中依赖单一固定备用机动的脆弱性。通过库保留多模态安全机动并在在线选择侵入性最小的选项，该方法在保持实时性能的同时提高了安全覆盖率。

作者将 PL-CBF 定位为一种实用、可部署的高频安全层。他们明确指出，该方法避免了 HJ 可达性的计算不可行性以及传统 CBF 的离线综合要求。其意义在于能够处理不断演变的约束和感知更新，在这些情况下单一机动无法保证安全，从而减少保守性并防止单策略过滤器可能引发的安全违规。

论文谦虚地总结道，未来的工作将集中在利用基于学习的方法进行系统化的策略库构建、处理模型失配和感知不确定性，以及开发在线优化库的自适应机制。