阅读笔记：Onboard Safety Guarantees for Racing Drones: High-Speed Geofencing With Control Barrier Functio

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

阅读笔记：Onboard Safety Guarantees for Racing Drones: High-Speed Geofencing With Control Barrier Functions

高速无人机下通过机载轻量化电脑在线保证安全性。通过使用CBF+backup controller，轻量化的求解QP问题从而解决的安全性问题。
本文的目标是通过最小的操作员干预，为高速无人机的安全飞行提供正式的保证，仅利用车载传感和计算。

一、主要内容

1. CBF（略）

2. backup controllers to construct invariant sets

在定义了$S_B$和backup controller的情况下，如果系统能够在一段时间T内到达备份集$S_B$，而不离开安全集S，$x_0\in S$属于集合$S_I中$

注意：$S_I$不包含$S_B$
结合CBF的概念，将$S_B$和S看作$h(x)$和$h_B(x)$的zero super-level sets，则可以重新定义为

则定义implicit CBF为：

ImCBF是隐式定义的，因为它依赖于系统的flow map，这也是隐式的。通过在backup controller下对系统进行正向模拟，可以评估$h_I$。其相关的QP问题定义为backup CBF QP

在微控中不足以实时求解backup CBF QP，则与gatekeeper:Online Safety Verification and Control for Nonlinear Systems in Dynamic Environments（阅读笔记1）思路一致，设计一个转换机制，在靠近安全集边界时启用backup controller。

文中的创新点在于设计平滑的过渡，，引入调控函数（regulation function）$k(x,h_I(x))$

另外，定义$h_I(x)\gg 0，k(x,h_I(x))=u_{des}(x)$，即当远离边界时，不改变现有输出。

注意，在本文中，并不需要求解QP，而是引入了CBF作为设计调控函数的基础，用于在$u_{des}$和$\pi$之间切换

其中，为了满足需求，有

二、示例与结果

1. 倒立摆示例

仿真结果：

CBF最重要的问题：在靠近边界时由于优化问题数值不稳定从而导致控制输入存在震荡，而平滑滤波器不存在这种问题。并且其响应速度相较于CBF更快

2.无人机示例

采取控制控制油门和角速度的策略，这种架构的选择极大地简化了无人机动态建模的任务，并允许我们更好地过滤系统，以最小化对飞行员的影响

状态变量的定义：


CBF的定义

backup controller定义


实验结果