控制屏障函数用于安全感知的潜空间运动规划

研究提出用潜空间中学习的神经控制屏障函数（CBF）替换潜空间路径规划（LSPP）中的二值碰撞分类器，以解决障碍边界附近梯度饱和、缺乏时间结构导致优化停滞且无前向不变性保证的问题。屏障函数以安全与不安全符号约束加离散时间递减条件三项目标训练，递减条件在障碍盲标称规划器的状态转移上评估，规划时用闭式一阶修正把每个目标导向的潜步投影回CBF约束。在7自由度Franka Panda机械臂上，CBF规划器在固定障碍任务成功率为75.6%，比35组调优分类器配置中的最佳结果高12.0个百分点，多位置任务为83.8%；衰减率α的扫描显示最佳工作区间为α∈[0.10, 0.20]。