IEEE Transactions on Robotics

Constraint-Guided Online Data Selection for Scalable Data-Driven Safety Filters in Uncertain Robotic Systems

作者：Jason J. Choi, Fernando Castañeda, Wonsuhk Jung, Bike Zhang, Claire J. Tomlin, Koushil Sreenath · 机构：University of California, Berkeley, CA, USA; Georgia Institute of Technology, Atlanta, GA, USA

会议/期刊：IEEE Transactions on Robotics · 发布日期：2025 · 页码：3779-3798

控制安全

精读笔记

Problem Setting

这篇论文实际处理的是 GP-based data-driven certifying filter 的在线可部署性问题。系统是控制仿射未知动力学，已有 nominal model 和一个 certificate function C，目标是在 reference controller 外层加 CBF/CLF filter，使真实系统满足安全或稳定约束。难点不在 SOCP 求解本身，而在每个控制周期中要用 GP posterior variance 构造保守 chance constraint；当数据集变大时，variance 计算的 O(N^2) 在线成本直接破坏实时性。

以前方法卡在一个悖论上：为了让 GP-CF-SOCP 可行，需要更多数据降低不确定性；但更多数据又让 GP 推理过慢，尤其在高维机器人和高频控制里不可接受。更细一点，SOCP 可行性通常不是由全局模型误差决定，而是由当前状态附近、且对证书约束可行控制方向有用的数据决定。传统 sparse GP 或信息增益选点没有显式利用这个控制目标，因此可能花计算在对当前安全决策无关的信息上。

Motivation

作者的核心动机是：数据驱动安全滤波的瓶颈不是“GP 不够准”，而是“GP 在安全约束里用错了信息组织方式”。如果任务只是全局系统辨识，信息增益、inducing points、kNN 都合理；但 certifying filter 每一步只需要回答一个更局部的问题：当前 x 下是否存在 u 让 certificate inequality 成立。

关键缺口是已有数据选择方法缺少 control/certificate awareness。它们倾向于选择距离近、信息量高或全局代表性强的数据，但不会问这些数据是否能降低沿安全可行输入方向的不确定性。作者由此把数据选择目标从 global approximation 改为 feasibility-oriented transduction：每个 timestep 只为当前约束构造一个小的、有用的在线数据集。

Core Idea

论文真正核心的思想是把 GP-CBF/CLF-SOCP 的大规模推理问题转化成 constraint-guided retrieval。对于当前状态 x，不再用全量数据计算 posterior variance，而是在线从历史数据中选择 M 个点，使它们最能降低 certificate chance constraint 中关键控制方向上的不确定性。这个方向由 \hat L_g C(x) 给出：直觉上，它是当前模型认为最能增加证书函数导数、从而修复约束违反的输入方向。

这里引入的 inductive bias 很明确：不是所有预测精度都等价，只有“能帮助证明当前控制输入安全/稳定”的数据才重要。ADP kernel 进一步把控制仿射结构编码进 GP，使得 selection 可以在控制输入方向上定义 alignment。与 prior 的本质区别是，prior 多在模型空间做压缩或稀疏化，而本文在 certifying constraint 的几何结构上做 test-time data selection。

Method

第一，作者把 nominal model mismatch 对 certificate derivative 的影响定义为 \Delta(x,u)，并利用其对 u 的仿射结构。ADP compound kernel 将 \Delta 拆成 drift mismatch 和 control vector field mismatch 的核组合，使 GP mean 对 u 仿射、variance 对 u 二次。这一步的意义是保留 SOCP convexity；如果 kernel 不编码仿射结构，后续安全滤波可能退化为非凸或不可高频求解的问题。

第二，用 GP posterior lower confidence bound 替代未知真实 mismatch，得到保守 chance constraint。这里的核心不是新安全理论，而是把已有 GP-CBF/CLF 形式写成二阶锥约束。只要 SOCP 可行，就有 pointwise high-probability 的 certificate inequality 满足保证。

第三，作者分析 SOCP 可行性，指出若沿 \hat L_g C 方向的不确定性相对足够小，则可以通过增大该方向控制输入满足约束。这给数据选择提供了目标：不要全局降低 variance，而要降低 \sigma(x, \alpha \hat L_g C^T) 在大 \alpha 极限下的增长率。

第四，数据选择目标被化为最大化 F_{D_M}，即 posterior variance 中与控制输入二次项相关的信息量。naive 版本会选 alignment n_i 最大的点，但会被高度自相关数据簇欺骗。主算法通过预计算二值相关矩阵 B，在线贪心选择高 alignment 点，同时剔除与已选点过度相关的候选点。这样把组合优化近似成 O(NM) 的 constrained retrieval。

Key Insight / Why It Works

最关键 insight 是：GP-CF-SOCP 的 feasibility bottleneck 不是 posterior variance 的整体大小，而是 variance ellipsoid 在 certificate-effective control direction 上的半径。只要这个方向的不确定性足够小，控制器就能找到一个输入把证书导数推到安全侧。这个观察把数据选择从“选最接近 query 的点”变成“选在 kernel feature space 中与当前可行控制方向对齐、且彼此不冗余的点”。

方法有效主要来自三件事。第一是 representation alignment：ADP kernel 让数据点的控制输入方向和 \hat L_g C 方向可比较，selection 不再只是 state-space locality。第二是 retrieval/test-time compute：每个控制周期动态选子集，避免固定 inducing points 在当前状态无关区域浪费容量。第三是 redundancy control：通过 epsilon 约束避免选择同一个数据簇中的重复样本，这点在轨迹数据中很重要，因为机器人数据天然强相关。

最可能的核心贡献是 Theorem 1 支撑的 correlation-aware alignment selection，而不是 GP-SOCP 框架本身。GP-CBF/CLF、ADP kernel、chance constraint SOCP 都更像已有技术的组合；真正新增的是把 SOCP 可行性转译成一个在线数据选择准则，并给出可线性扫描实现的 proxy。

需要直接指出：这不是让 GP 本身更 scalable 的通用方法，而是为特定 certificate-filter query 做 retrieval。它的增益很大程度来自避免全量 variance 计算和避免重复数据，不是学习出了更好的动力学模型。所谓 generalization 也主要依赖历史数据覆盖当前运行区域；如果 query 落在数据覆盖外，selection 再聪明也只能选到相关性弱的点。

Relation To Prior Work

它最接近三条线：GP-CBF/CLF safety filters、sparse GP/inducing point methods、control-aware data selection。与 GP-CBF/CLF 线相比，本文没有重新定义安全证书，也没有解决 certificate synthesis；它解决的是已有 GP-SOCP 在大数据实时控制中的推理瓶颈。

与 sparse GP 相比，本质差异是目标函数不同。Sparse GP 通常追求全局 posterior 近似，或者用固定 inducing points 近似全数据 GP；本文是 transductive，每个 x 重新选对当前 certificate feasibility 最有用的数据。因此它更像 constraint-conditioned memory retrieval，而不是模型压缩。

与 kNN 或信息增益 selection 相比，本文新增的信息是控制方向。kNN 只看输入空间距离，信息增益只看统计不确定性，二者都不知道当前安全约束要沿哪个 u 方向被满足。本文把 \hat L_g C 作为查询的一部分，相当于用 certificate geometry 改写了 retrieval metric。

看似新的部分中，ADP kernel 和 GP chance constraint 更像已有思想重组；实质创新是用 Lemma 1/Lemma 2 把可行性导向的 variance reduction objective 提出来，再用相关性阈值给出可在线运行的近似选择算法。

Dataset / Evaluation

实验设置比较符合论文 claim：一个 toy 系统用于展示 naive selection 被自相关数据簇误导；RABBIT 五连杆仿真验证高维、大数据、实时性压力；cart-pole 真机验证真实系统上 nominal model 不准时，数据驱动滤波加在线选择能维持安全约束。

评价基本支持“scalable deployment”这个 claim。尤其是真机和双足仿真都体现了全量 GP 推理超过控制周期，而在线选择能把执行时间压回实时范围，同时不明显破坏 certifying filter 的可行性。

但 evaluation 没有充分证明方法的泛化能力。数据是围绕目标任务和运行分布 episodic 收集的，成功很可能依赖 coverage。RABBIT 是仿真且 uncertainty 形式较结构化；cart-pole 是低维系统，安全约束单一。多约束、多模式接触、更强 OOD disturbance 下是否仍成立，文中未充分说明。

Limitation

最大前提是 certificate function C 已经对真实系统有效。论文明确把 certificate synthesis 放在外部，这使得安全性依赖一个很强的先验：nominal model 足够好到能设计出 valid CBF/CLF。如果 C 本身无效，后续 GP selection 无法补救。

第二个前提是 GP error bound 可用。beta 和 kernel hyperparameters 在实验中通过训练数据校准，这在严格安全保证上偏工程化；是否满足真正 uniform 或 deployment-time probabilistic bound，文中没有充分展开。点态 chance constraint 也不等价于递归可行性或轨迹级安全。

第三，selection 的方向依赖 \hat L_g C。如果全量或上一时刻子集给出的 \hat L_g C 偏了，算法会沿错误方向选数据，可能形成 self-confirming failure。论文承认可用全量 mean 计算方向是 O(N)，但当 N 极大、全量逆矩阵离线也不可行时，用上一时刻子集近似的可靠性没有充分理论支撑。

第四，scalability 没有完全消除 N 依赖。在线 selection 是 O(NM)，仍需扫描全数据；离线还要构造 O(N^2) correlation matrix。对于百万级数据、长期机器人运行日志或持续增长数据集，这只是把瓶颈从在线 variance 计算转移到离线存储和线性检索。

第五，核心能力可能主要来自数据覆盖。方法不解决探索，不保证 sample efficiency，也不主动填补 coverage holes。若数据缺少当前安全边界附近的关键状态-动作样本，算法只能更快地失败。

Takeaway

  • 1. 对 data-driven safety filter 来说，数据价值应按 certificate feasibility 衡量，而不是按全局模型精度衡量；这是可以迁移到其他安全学习问题的核心观点。
  • 2. 这篇论文展示了一种很实用的模式：把非参数模型的在线推理改成 constraint-conditioned retrieval，用控制结构定义 query-specific relevance。
  • 3. 真正值得后续推进的是把这个 selection objective 前移到数据采集阶段：不是运行时从冗余数据里挑，而是主动收集能降低证书约束关键方向不确定性的样本。
  • 4. 该工作推动的是 GP-CBF/CLF 从 toy examples 走向实时机器人 deployment，但它没有解决 certificate design、coverage、recursive safety 这些更根本问题。

一句话总结

这篇论文是 GP-based certifying safety filter 从全量非参数推理走向约束感知在线 retrieval 的一次实用推进，核心贡献是用 certificate feasibility 重定义数据相关性，而不是提出新的安全证书或通用 GP 压缩方法。