A Comparative Study of Artificial Potential Fields and Safety Filters

本文展示了一种方法，即将经典的运动规划工具——人工势场（APFs）控制器，导出自最近流行的方法：控制障碍函数二次规划（CBF-QP）安全过滤器。通过将APF信息整合到CBF-QP框架中，我们建立了这两种方法之间的桥梁。具体而言，这是通过将引人的势场作为控制李亚普诺夫函数（CLF）来引导名义控制器的设计，然后将排斥势场作为互补CBF（RCBF）来定义CBF-QP安全过滤器来实现的。在此基础上，我们将CBF-QP安全过滤器的设计扩展到适用于更一般的控制亚因结构的动态模型。这个扩展产生了一个特殊的CBF-QP安全过滤器和一个适用于控制亚因结构动态模型的一般APF解决方案。通过一个到达避开导航的例子，我们展示了所开发方法的有效性。

本论文旨在将经典的运动规划工具——人工势场（APF）控制器与控制障碍函数二次规划（CBF-QP）安全过滤器相结合，以解决运动规划中的安全问题。

论文提出了一种将人工势场信息整合到CBF-QP框架中的方法，通过吸引势场作为控制Lyapunov函数（CLF）指导设计名义控制器，然后利用斥力势场作为相应CBF（RCBF）定义CBF-QP安全过滤器。同时，论文将CBF-QP安全过滤器的设计扩展到更一般的控制仿射结构的动态模型中。

论文通过一个reach-avoid导航示例展示了所提出方法的有效性。同时，论文还提供了开源代码。

相关研究包括： 1. “A Comprehensive Survey of Multi-Robot Motion Planning” 2. “A Survey of Motion Planning and Control Techniques for Self-driving Urban Vehicles” 3. “Control Barrier Functions: Theory and Applications”