该文综述基于控制屏障函数（CBF）的安全控制器学习方法，涵盖：利用专家安全轨迹学习CBF并提供可证明安全保证；用神经网络自适应多步CBF提升优化与可行性；结合机器学习降低模型不确定性；将高阶CBF嵌入神经常微分方程处理非仿射系统；提出避免输入饱和的高维非线性控制器；融合李雅普诺夫性能目标与CBF安全约束；用ReLU前馈神经CBF解决非光滑验证；以高斯过程建模不确定性并转为实时二次规划；结合强化学习与CBF保障学习过程安全；并在CBF证书偶尔不可行时通过探索恢复可行性以保证安全。