本文研究了控制李亚普诺夫壁函数（CLBF）在机器人控制中的应用，提出了Barrier-Lyapunov Actor-Critic框架，以确保系统的安全性和稳定性。通过仿真实验验证了该框架在可达性和安全性方面的有效性，显示出相较于基线算法的优势。该方法结合了控制障碍函数和自适应模型学习，能够处理模型不确定性，确保机器人在复杂环境中的安全行走。