본 논문은 입력 제약 하에서 동역학 시스템의 내부 안전 집합을 극대화하기 위해 Pareto 제어 장벽 함수(PCBF) 알고리즘을 제시합니다. 기존의 제어 장벽 함수(CBFs)는 시스템 궤적을 안전 집합 내에 유지함으로써 안전성을 보장하지만, 현실적인 입력 제약을 고려하지 못하는 경우가 많습니다. 이 문제를 해결하기 위해, 본 논문은 안전성과 안전 집합 부피라는 상반되는 목표를 균형 있게 처리하는 Pareto 다중 작업 학습 프레임워크를 활용합니다. PCBF 알고리즘은 고차원 시스템에 적용 가능하며 계산 효율성이 높습니다. 역진자에 대한 Hamilton-Jacobi 도달 가능성과 12차원 쿼드로터 시스템에 대한 시뮬레이션을 통해 그 효과를 검증하였으며, 기존 방법보다 안전 집합이 더 크고 입력 제약 하에서 안전성을 보장하는 것으로 나타났습니다.
