[論文レビュー] Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles

Qijun Liao, Jue Yang|arXiv (Cornell University)|Mar 13, 2026

Vehicle Dynamics and Control Systems被引用数 0

ひとこと要約

論文は、モデル不一致とオンライン不確実性を扱い、確率的安全性保証を備えた CLF-R²CBF-SOCP コントローラを生成する CVaR ベースの応答認識安全フレームワーク R²CBF を導入する。

ABSTRACT

This paper proposes a unified control framework based on Response-Aware Risk-Constrained Control Barrier Function for dynamic safety boundary control of vehicles. Addressing the problem of physical model parameter mismatch, the framework constructs an uncertainty propagation model that fuses nominal dynamics priors with direct vehicle body responses. Utilizing simplified single-track dynamics to provide a baseline direction for control gradients and covering model deviations through statistical analysis of body response signals, the framework eliminates the dependence on accurate online estimation of road surface adhesion coefficients. By introducing Conditional Value at Risk (CVaR) theory, the framework reformulates traditional deterministic safety constraints into probabilistic constraints on the tail risk of barrier function derivatives. Combined with a Bayesian online learning mechanism based on inverse Wishart priors, it identifies environmental noise covariance in real-time, adaptively tuning safety margins to reduce performance loss under prior parameter mismatch. Finally, based on Control Lyapunov Function (CLF), a unified Second-Order Cone Programming (SOCP) controller is constructed. Theoretical analysis establishes convergence of Sequential Convex Programming to local Karush-Kuhn-Tucker points and provides per-step probabilistic safety bounds. High-fidelity dynamics simulations demonstrate that under extreme conditions, the method not only eliminates the output divergence phenomenon of traditional methods but also achieves Pareto improvement in both safety and tracking performance. For the chosen risk level, the per-step safety violation probability is theoretically bounded by approximately 2%, validated through high-fidelity simulations showing zero boundary violations across all tested scenarios.

研究の動機と目的

• 多軸車両が非構造的な道路上で大きなモデル環境のミスマッチに直面する際の安全性を動機づけて対処する。
• 名目モデルの指針とデータ駆動型応答分布を統合して頑健な安全境界を実現する統一フレームワークを開発する。
• CVaR の尾部リスク制約とベイズオンライン学習を組み込み、リアルタイムで安全マージンを適応させる。
• マルチ目的の対立を解決しつつ確率的安全性を保証するCLF-R²CBF-SOCPコントローラを構築する。

提案手法

• 名目の多軸単一軌道ダイナミクスとデータ駆動の車体応答分布を融合したハイブリッド不確実性モデルを提案する。
• CVaR を用いて決定論的な安全制約を障壁関数微分の尾部リスク制約に変換する。
• オンラインで予測残差から環境ノイズ共分散を推定する逆Wishartベイズ更新を適用する。
• CLF追従、R²CBF 安全性、アクチュエータ制約を統合する二次円錐計画（SOCP）を導出する。
• CVaR 分析に基づく有限ホライズンの確率的安全保証とステップごとの安全境界を提供する。

実験結果

リサーチクエスチョン

• RQ1 名目モデルが実際の車体応答と非構造的な道路で逸脱する場合、車両制御の安全境界をどのように維持できるか。
• RQ2 多軸車丼制御において尾部リスク制約を用いた CVaR が過度に保守的にならず信頼性のある安全保証を提供できるか。
• RQ3 環境ノイズのオンラインベイズ更新は安全マージンを改善し、パラメータミスマッチ下での性能喪失を減らすか。
• RQ4 統一された CLF-R²CBF-SOCP コントローラは追従性能と動的安全性のパレート改善を達成できるか。

主な発見

• リスクレベル beta_risk = 0.05 を選択した場合、ステップごとの安全違反確率は理論上約 2% に限定される。
• 高忠実度シミュレーションで提案手法による境界違反はゼロである。
• 框架は従来法で極端な条件下に見られた出力発散を排除し、安全性と追従のパレート改善を達成する。
• 障壁微分に対する CVaR ベースの制約は過度な保守性を伴わず確率的安全性を保証する。
• ノイズ共分散のオンラインベイズ更新は安全マージンを適応させ、事前パラメータミスマッチによる性能喪失を低減する。