Neural Integral Control Barrier Functions：从数据学习动力学、控制器与障碍函数实现敏捷避障

作者提出 Neural Integral Control Barrier Functions，用神经常微分方程学习动力学、用模仿学习得到标称控制器、用监督回归学习障碍函数，再解析构建积分控制障碍函数（ICBF）滤波约束。障碍函数按可行性而非几何训练，即只有执行器限制下仍存在紧急机动可避开约束的状态才算安全。执行器限制作为硬约束进入在线优化，学习到的障碍行可松弛，从而保证每个状态可解且输入约束精确，并给出返回输入相对真实模型输入的漂移界。