Continuous Jumping for Legged Robots on Stepping Stones via Trajectory Optimization and Model Predictive Control
University of Southern California(南加州大学)
在不平坦的踏脚石上进行跳跃或奔跑等高度敏捷的动态运动一直是足式机器人运动中的一个挑战性问题。本文提出了一种框架,结合轨迹优化和模型预测控制执行稳健的和连续的跳跃上的垫脚石。在我们的方法中,我们首先利用轨迹优化的基础上的全非线性动力学的机器人产生周期性的跳跃轨迹的各种跳跃距离。设计了基于模型预测控制的跳跃控制器,实现了跳跃过程的平滑过渡,使机器人能够在踏脚石上实现连续跳跃。由于MPC作为一个实时反馈控制器的结合,所提出的框架也被验证为具有未知的高度扰动和模型不确定性的机器人动力学不均匀的平台是强大的。
2022-09-16 cs.RO
Inverse Dynamics Trajectory Optimization for Contact-Implicit Model Predictive Control
California Institute of Technology(加州理工学院);Toyota Research Institute(丰田研究院);Department of Electrical Engineering, University of Notre Dame(诺特难大学电气工程系)
本文通过逆动力学轨迹优化结合一系列增量式创新,实现了实时接触隐式模型预测控制,并在20自由度双臂操作硬件任务上以超过100 Hz验证了有效性。
2025-05-05 cs.RO
PUMA: Fully Decentralized Uncertainty-aware Multiagent Trajectory Planner with Real-time Image Segmentation-based Frame Alignment
Massachusetts Institute of Technology(麻省理工学院);Boeing Research & Technology(波音研究与技术)
针对去中心化多智能体轨迹规划中动态障碍与帧不对齐导致的碰撞风险,提出含不确定性感知规划器和图像分割帧对齐流水线的PUMA方案,仿真与硬件实验均实现低对齐误差,保障安全导航与避障。
2024-03-06 cs.MA cs.RO
Folding Deformable Objects using Predictive Simulation and Trajectory Optimization
Columbia University(哥伦比亚大学)
可变形物体的机器人操作仍然是一项具有挑战性的任务。一个这样的任务是自主地折叠衣服。给定开始和结束折叠位置,移动机器人手臂折叠衣服的最佳轨迹是什么?某些轨迹会导致服装移动,产生皱纹和间隙,其他轨迹将完全失败。我们提出了一种新的解决方案,以找到一个最佳的轨迹,避免这种问题的情况。通过在离线模拟器中最小化二次目标函数来优化轨迹,该目标函数包括衣服的材料特性和桌子上的摩擦力。该函数测量用户折叠形状与模拟中折叠服装之间的差异,然后将其用作误差测量以创建最佳轨迹。我们证明,我们的双臂机器人可以按照优化的轨迹,实现准确和有效的操纵变形物体。
2015-12-22 cs.RO
Model Predictive Trajectory Planning for Human-Robot Handovers
TU Wien(维也纳技术大学);AIT Austrian Institute of Technology GmbH(奥地利技术研究院有限公司)
本研究提出一种基于路径跟踪模型预测控制的人机交接轨迹规划方法,结合高斯过程回归预测交接位置以自适应调整路径偏差边界,经7自由度协作机械臂实验验证了其有效性与通用性。
2024-04-11 cs.RO
Interaction-Aware Trajectory Prediction and Planning in Dense Highway Traffic using Distributed Model Predictive Control
Chalmers University of Technology(查尔姆斯理工大学)
针对密集交通中自动驾驶车辆的最优轨迹规划问题,提出一种结合分布式模型预测控制、耦合多智能体环境下轨迹预测与规划的新型框架,经仿真验证,其局部最优解优于解耦的预测规划方法。
2023-08-24 cs.RO cs.SY eess.SY
Model Predictive Trajectory Optimization With Dynamically Changing Waypoints for Serial Manipulators
Technische Universität Wien (TUW)(维也纳技术大学);AIT Austrian Institute of Technology GmbH(奥地利技术研究院有限公司)
针对短时域在线轨迹优化难以纳入动态路点的问题,提出路点模型预测控制(wMPC),通过分割规划时域并缩短时域长度,实现低计算负载的实时重规划,实验验证其性能与离线RRT型规划器相当。
2024-02-07 cs.RO
Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems
University of California, Berkeley(加州大学伯克利分校)
本文提出一种融合差分平坦性轨迹生成与非线性模型预测控制(NMPC)的统一框架,嵌入感知风的采样策略,经仿真与实飞验证,可提升固定翼无人机复杂轨迹跟踪的精度与鲁棒性。
2026-08-24 cs.RO
Real-Time Nonlinear Model Predictive Control of Heavy-Duty Skid-Steered Mobile Platform for Trajectory Tracking Tasks
Unit of Automation Technology and Mechanical Engineering, Faculty of Engineering and Natural Sciences, Tampere University(自动化技术与机械工程单元,工程与自然科学学院,塔尔皮亚大学)
针对重型滑移转向移动平台在不确定性和扰动下的轨迹跟踪安全问题,提出融合多传感器读数的多重打靶非线性模型预测控制框架,实现高精度实时控制并显著优于现有方法。
2025-10-03 cs.RO
Model predictive approach to integrated path planning and tracking for autonomous vehicles
National Institute of Informatics(国立信息学研究所);Hunan University(湖南大学)
在自主应用的路径规划问题中,现有的研究都是将自主车辆的路径规划和轨迹跟踪控制分开考虑,很少将轨迹规划和轨迹控制结合起来。为了填补这一研究空白,本研究提出了一种集成的轨迹规划和轨迹控制方法。本文还研究了考虑静态和动态障碍物的自主避碰问题。仿真结果表明了所提出的控制方法的有效性。
2019-05-09 cs.RO math.DS
Trajectory Tracking and Stabilization of Quadrotors Using Deep Koopman Model Predictive Control
Department of Mechatronics and Robotics Engineering, Egypt-Japan University of Science and Technology (E-JUST)(机电与机器人工程系,埃及-日本科学技术大学)
本文提出深度库普曼算子与模型预测控制相结合的DK-MPC框架,通过将四旋翼非线性动力学线性化,在保证轨迹跟踪精度的同时显著降低计算时间,满足嵌入式实时控制需求。
2025-08-19 cs.RO
Model predictive trajectory optimization and tracking for on-road autonomous vehicles
Samsung(三星);The Ohio State University(俄亥俄州立大学)
自主车辆的运动规划需要时空运动规划(即状态轨迹)来考虑动态障碍物。这需要一个轨迹跟踪控制过程,它忠实地跟踪规划的轨迹。在本文中,提出了一种控制方案,首先优化规划的轨迹,然后使用反馈-前馈控制器跟踪优化的轨迹。前馈元件以模型预测的方式计算,其中成本函数关注驾驶性能。然后通过设计反馈-前馈控制器来保证误差动态的稳定性。控制系统的跟踪性能进行了测试,在一个现实的模拟情况下,控制系统必须跟踪规避横向机动。所提出的控制器在仿真中表现良好,可以很容易地适应不同的动态车辆模型。控制综合的唯一性解决方案消除了任何不确定性,可能会出现与底层的数学程序之间的数值求解器切换。
2018-11-11 cs.RO math.OC
Real-Time Motion Planning of a Hydraulic Excavator using Trajectory Optimization and Model Predictive Control
Seoul National University(首尔大学);Automation and Systems Research Institute(自动化与系统研究院)
挖掘任务的自动化要求满足各种约束的实时的【形】轨迹规划。为了保证约束可行性和实时的【形】轨迹可重规划性,我们提出了一个集成的框架,基于实时的【形】优化的液压挖掘机轨迹规划。该框架由两个主要模块组成:全局规划器和实时的【形】局部规划器。全局规划器考虑挖掘体积和能量最小化来计算整个全局轨迹,而局部规划器以滚动时域的方式跟踪全局轨迹,满足动态可行性、物理约束和干扰感知。我们验证了所提出的规划算法在模拟环境中进行两种类型的操作中存在的仿真干扰液压摩擦和土壤-桶的相互作用:浅,深挖掘。优化的全局轨迹以秒的顺序获得,其由本地规划器以快于30 Hz的速度跟踪。据我们所知,这项工作提出了第一个实时的【形】运动规划框架,满足液压挖掘机的约束条件,如力/扭矩,功率,缸位移和流量限制。
2021-07-08 cs.RO
Sampling for Model Predictive Trajectory Planning in Autonomous Driving using Normalizing Flows
IEEE
本文提出基于归一化流的采样方法,用于提高自动驾驶轨迹规划的效率和探索能力。
2026-02-06 cs.LG cs.RO
Online state vector reduction during model predictive control with gradient-based trajectory optimisation
School of Computer Science, University of Leeds(利兹大学计算机学院)
针对高维系统非抓取操作轨迹优化规划耗时久的问题,提出随系统演化在线约简轨迹优化自由度的方法,在异步MPC仿真中验证其可降低策略滞后、提升整体性能且有效优化轨迹。
2024-09-12 cs.RO
Aggressive Trajectory Tracking for Nano Quadrotors Using Embedded Nonlinear Model Predictive Control
Inha University(仁荷大学)
本文提出基于acados的嵌入式NMPC方法,在27克Crazyflie 2.1纳米四旋翼上实现动态环境下的高速激进轨迹跟踪,并通过仿真与实机实验验证其有效性。
2023-12-02 cs.RO
Predictive Barrier Lyapunov Function Based Control for Safe Trajectory Tracking of an Aerial Manipulator
IIIT-Hyderabad(海得拉巴国际信息技术学院);TCS Research(塔塔咨询服务研究院);University of Michigan(密歇根大学)
本文提出了一种新的控制器框架,提供轨迹跟踪的空中机械手(AM),同时确保系统在未知的有界干扰下的安全运行。这里考虑的AM是一个2自由度(度的自由度)机械手刚性连接到无人机。我们提出的控制器结构如下传统的内环PID控制的姿态动力学和外环控制器跟踪参考轨迹。外环控制是基于模型预测控制(MPC)的限制,使用障碍李雅普诺夫函数(BLF)的AM的安全操作。基于BLF的约束提出了两个目标,即1)避免AM碰撞静态障碍物,如矩形墙,2)保持末端执行器的机械手在所需的工作空间。建议的BLF确保上述目标得到满足,即使在存在未知的有界干扰。所提出的控制器的能力,证明通过高保真非线性模拟与来自一个真正的实验室规模AM的参数。我们比较我们的控制器与其他国家的最先进的MPC控制器的AM的性能。
2022-12-09 cs.RO
Adaptive Model Predictive Control for High-Accuracy Trajectory Tracking in Changing Conditions
Dynamic Systems Lab(动态系统实验室);University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究 institute)
本文提出一种结合模型预测控制与L1自适应控制器的自适应模型预测控制器,用于在未知和变化的扰动环境下提高系统轨迹跟踪性能。通过实验验证,该方法在四旋翼无人机上表现出更低的轨迹跟踪误差。
2018-08-02 cs.RO cs.SY eess.SY
Model Predictive Planning: Trajectory Planning in Obstruction-Dense Environments for Low-Agility Aircraft
Northeastern University(东北大学);The Charles Stark Draper Laboratory(查尔斯·斯塔克·德拉普尔实验室)
针对低机动性飞行器在密集障碍环境中轨迹规划易出现优化不可行的问题,提出包含多路径规划、光线追踪约束生成和凸二次规划的MPP方法,通过多候选路径提升可行轨迹概率,并在纵向飞行器模型上验证有效性。
2024-09-13 cs.RO cs.SY eess.SY
Multi-Modal Model Predictive Control through Batch Non-Holonomic Trajectory Optimization: Application to Highway Driving
IIIT Hyderabad(海得拉巴国际信息技术研究所);University of Tartu(塔尔图大学)
标准的模型预测控制(MPC)或轨迹优化方法仅执行局部搜索以解决复杂的非凸优化问题。因此,它们无法捕捉人类驾驶的多模态特性。全局优化器可能是一种潜在的解决方案,但在实时设置中计算上是棘手的。在本文中,我们提出了一个实时MPC能够搜索不同的驾驶模式。我们的基本想法很简单:我们运行几个目标导向的并行轨迹优化,并基于用户定义的Meta成本函数对所得到的轨迹进行评分。这使我们能够在几个局部最优运动计划上执行全局搜索。虽然概念上很简单,但从技术和计算的角度来看,用现有的优化器实时实现这个想法是非常具有挑战性的。基于这个动机,我们提出了一种新的批量非完整轨迹优化,其基础矩阵代数是很容易并行化的问题实例,并减少到计算大批量矩阵向量乘积。这种结构,反过来,是通过推导一个线性化自由的多凸重构的非完整运动学和碰撞避免约束。我们广泛验证我们的方法使用合成和真实的数据集(NGSIM)的交通场景。我们强调我们的算法如何自动变道和超车决定的基础上定义的Meta成本函数。我们的批处理优化器以更低的Meta成本实现轨迹,比竞争基线快6倍。
2022-03-14 cs.RO
Online Trajectory Generation with Distributed Model Predictive Control for Multi-Robot Motion Planning
Dynamic Systems Lab(动态系统实验室);Institute for Aerospace Studies(航空航天研究所);University of Toronto(多伦多大学)
我们提出了一种分布式模型预测控制(DMPC)算法,以产生多个机器人的实时轨迹。我们采用了\textit{on-demand collision avoidance}方法在以前的工作中,有效地计算过渡任务中的非碰撞轨迹。提出了一种事件触发的重新规划策略,以考虑干扰。我们的仿真结果表明,所提出的碰撞避免方法可以减少,平均约50%的旅行时间需要完成一个多智能体点到点的过渡时,相比研究良好的缓冲Voronoi细胞(BVC)的方法。此外,它在具有高密度代理的过渡任务中显示出更高的成功率,在18 m^3的竞技场中,30个手掌大小的四旋翼代理的成功率超过90%。该方法通过一群多达20架的无人机近距离飞行进行了实验验证。
2020-01-24 cs.RO
A Kubernetes-Based Edge Architecture for Controlling the Trajectory of a Resource-Constrained Aerial Robot by Enabling Model Predictive Control
Luleå University of Technology(吕勒奥理工大学)
近年来,云和边缘架构在卸载计算繁重的应用程序方面获得了极大的关注。从机器学习和物联网(IOT)到工业程序和机器人技术,云计算已被广泛用于数据处理和存储目的,这要归功于其“无限”资源。另一方面,云计算的特征在于由于云服务器与请求资源的机器之间的长距离而导致的长时间延迟。相比之下,边缘计算提供几乎实时的服务,因为边缘服务器的位置非常接近数据源。这种能力使边缘计算成为实时应用的理想选择,例如资源受限平台的高级控制。为了利用边缘资源,已经开发了几种技术,其中基本的是容器和编排,如Kubernetes,以根据每个应用程序的需求提供具有许多功能的环境。在这种情况下,本文提出了一种基于Kubernetes编排的新型边缘架构的实现和评估,用于通过启用模型预测控制(MPC)来控制资源受限的无人机(UAV)的轨迹。
2023-01-31 cs.RO
Incorporating Target Vehicle Trajectories Predicted by Deep Learning Into Model Predictive Controlled Vehicles
Technical University of Munich(慕尼黑工业大学);Eindhoven University of Technology(埃因霍温理工大学);Beijing Institute of Technology(北京理工大学)
本文提出一种风险感知MPC运动规划方法,利用RNN根据历史数据预测目标车辆轨迹,并将其纳入自车优化约束,仿真验证了预测精度与无碰撞轨迹生成能力。
2023-10-04 cs.RO
Battery-Aware Predictive Trajectory Planning and Control for Multirotors Under Disturbances
University of Dayton(代顿大学)
本文提出电池感知的预测轨迹规划框架,通过闭环车辆-电机-电池传播评估候选轨迹,在扰动任务中减少7.46%能耗和72%跟踪误差,并揭示电池状态与控制器选择对轨迹的影响。
2026-09-14 cs.RO cs.SY eess.SY
GELATO: Multi-Instruction Trajectory Reshaping via Geometry-Aware Multiagent-based Orchestration
Beijing Institute of Technology (BIT)(北京理工大学);School of Computer Science, University of Nottingham(诺丁汉大学计算机学院)
该研究提出首个语言驱动轨迹重塑框架GELATO,通过VLM辅助多视图流水线和LLM转换指令为几何约束,结合多智能体编排,实现人机交互场景中多指令轨迹重塑,提升成功率。
2025-11-13 cs.RO
Uncertainty Guided Exploratory Trajectory Optimization for Sampling-Based Model Predictive Control
Robotics, Sensing and Networks Laboratory (RSN)(机器人、感知与网络实验室);University of Minnesota(明尼苏达大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出UGE-TO算法,通过生成分离样本提升配置空间覆盖,结合动态影响增强轨迹多样性,进一步集成到UGE-MPC中,实验证明在复杂环境中具有更高的探索效率和更快的收敛速度。
2026-04-13 cs.RO
Language-Driven Closed-Loop Grasping with Model-Predictive Trajectory Replanning
Eötvös Loránd University(厄特沃什·罗兰大学);TU Wien(维也纳技术大学);Austrian Institute of Technology (AIT) GmbH(奥地利技术研究院有限公司);University of Liverpool(利物浦大学)
针对闭环抓取系统模块更新速率不一致、动态环境操作难的问题,提出含视觉语言分割、位姿跟踪与实时轨迹重规划的零样本模块化框架,实现30Hz位姿更新与10Hz轨迹优化,可高效抓取运动物体。
2024-06-19 cs.RO
Optimizing Trajectory-Trees in Belief Space: An Application from Model Predictive Control to Task and Motion Planning
TU Berlin(柏林工业大学)
该研究针对部分可观测机器人规划问题,提出PO-MPC、D-AuLa算法及PO-LGP规划器,分别应用于MPC和TAMP,提升了规划性能并实现了问题规模的扩展。
2026-08-11 cs.RO
Energy-efficient Hybrid Model Predictive Trajectory Planning for Autonomous Electric Vehicles
School of Information Technology, Monash University Malaysia(马来西亚莫纳什大学信息技术学院);School of Engineering, Monash University Malaysia(马来西亚莫纳什大学工程学院);Institute for Infocomm Research, A*STAR(新加坡科研局信息通信研究所);National Science Library, Chinese Academy of Sciences(中国科学院国家科学图书馆)
针对电动汽车续航与充电挑战,提出无需额外硬件的节能型混合模型预测规划器(EHMPP),仿真验证其能提升11.74%被动回收能量并有效提升自动驾驶电动汽车能源效率。
2024-11-09 cs.AI cs.RO
Full-Dynamics Real-Time Nonlinear Model Predictive Control of Heavy-Duty Hydraulic Manipulator for Trajectory Tracking Tasks
Faculty of Engineering and Natural Sciences, Tampere University(工程与自然科学学院,塔尔基大学)
针对重型液压机械臂在安全约束下的轨迹跟踪问题,提出一种1kHz实时非线性模型预测控制框架,结合多重打靶与虚拟分解控制,实验验证其高精度与约束满足能力。
2025-10-27 cs.RO
SafeFlowMPC: Predictive and Safe Trajectory Planning for Robot Manipulators with Learning-based Policies
SafeFlowMPC结合流匹配和在线优化,为机器人机械臂提供安全且灵活的预测轨迹规划方法,通过实验验证其在抓取和人机交互任务中的高效性能。
2026-02-17 cs.RO
Interaction-Aware Trajectory Planning for Autonomous Vehicles with Analytic Integration of Neural Networks into Model Predictive Control
Michigan State University(密歇根州立大学);Honda Research Institute(本田研究院);Massachusetts Institute of Technology(麻省理工学院)
针对自动驾驶车辆保守规划导致性能下降和交通拥堵的问题,提出将神经网络交互轨迹预测器解析集成进模型预测控制,采用ADMM求解并证明收敛,实证优于基线启发式方法。
2023-03-02 cs.RO cs.SY eess.SY
OpTaS: An Optimization-based Task Specification Library for Trajectory Optimization and Model Predictive Control
King’s College London(伦敦国王学院);University of Edinburgh(爱丁堡大学);Kawada Robotics Corporation(川田机器人公司);Alan Turing Institute(艾伦·图灵研究所)
本文提出OpTaS,一个用于机器人轨迹优化与模型预测控制的Python任务规范库,支持自定义非线性约束问题、执行中修改参数,并兼容多种求解器,可在关节空间和任务空间同时定义任务。
2023-01-31 cs.RO
M$^3$PC: Test-time Model Predictive Control for Pretrained Masked Trajectory Model
ETH Zurich(苏黎世联邦理工学院);KU Leuven(鲁汶大学);Hong Kong University(香港大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出M$^3$PC框架,在测试时利用预训练掩码轨迹模型自身的预测能力进行模型预测控制,无需额外训练即可提升离线强化学习的决策性能,并可扩展至离线到在线和目标达成任务。
2025-02-06 cs.LG cs.RO cs.SY
Model Predictive Loitering and Trajectory Tracking of Suspended Payloads in Cable-Driven Balloons Using UGVs
California Institute of Technology(加州理工学院);ETH Zurich(苏黎世联邦理工学院);Northeastern University(东北大学)
以前已经评估了使用轮式漫游车、无人驾驶飞行器、立方体卫星、小型卫星等进行空中和地面操纵、感知和侦察的可行性。在所有这些解决方案中,基于气球的系统具有使其极具吸引力的优点,例如,操作机构简单,操作时间长。然而,要在基于气球的应用中实现稳健的游荡性能,还有许多障碍需要克服。我们试图确定设计和控制的挑战,并提出了一种新的机器人平台,允许在侦察和感知火星陨石坑的气球的应用。这项工作简要介绍了我们建议的驱动和模型预测控制设计框架,用于操纵这样的气球系统。我们提出了协调伺服的多个无人地面车辆(UGV),以调节张力在电缆驱动的气球,欠驱动悬挂有效载荷连接。
2022-06-07 cs.RO cs.SY eess.SY
Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control
Department of Mechanical Engineering, Eindhoven University of Technology(埃因霍温理工大学机械工程系);Safety & Driver Controls Group, Vehicle Development, DAF Trucks N.V.(DAF卡车公司安全与驾驶控制组)
本文提出了一种基于模型预测轮廓控制的 articulated 商用车轨迹规划方法,通过引入场景依赖的锚点权重和道路边界约束,解决了 articulated 商用车在正反向行驶中的导航问题。
2026-04-27 cs.RO
Probabilistic Constraint Tightening Techniques for Trajectory Planning with Predictive Control
Clemson University(克莱姆森大学);Huawei(华为)
为了使自动移动车辆在现实世界中以最小的碰撞风险导航,其规划算法必须考虑来自测量和环境干扰的不确定性。在本文中,我们认为,在这种不确定性的存在下,两个机器人车辆之间的相互碰撞概率的保守近似的解析解。在那里,我们提出了两种方法,我们称之为单一的缩放和主轴旋转,解耦的二元积分的有效近似的两辆车之间的碰撞概率,包括方向的影响。我们比较这些方法的保守性分析和数值。通过关闭一个控制回路,通过模型预测制导方案,我们观察到,通过蒙特卡罗模拟,直接实施防撞约束的保守近似仍然是不可行的实时规划。然后,我们提出并实现了一个凸化方法的基础上收紧碰撞约束,显着提高了计算效率和鲁棒性的预测制导方案。
2022-12-15 cs.RO cs.SY eess.SY
Model Predictive Control for Micro Aerial Vehicle Systems (MAV) Systems
NIT Trichy(国家技术学院特里奇分校);IIIT Hyderabad(海得拉巴国际信息技术学院)
提出了一种实时的跟踪方法。非线性制导逻辑用于寻找后续目标的拦截。轨迹跟踪通过在离散时间内使用其加加速度来制定四轴飞行器的轨迹,然后在每个解耦轴上求解凸优化问题来实现。基于四轴飞行器的最大可能推力和角速率,已经导出了四轴飞行器的可行性约束。在这份报告中,我们描述了显式MPC控制器的设计和实现,控制器在计算机上执行,使用稀疏求解器控制飞行器悬停。
2014-12-07 cs.RO
Transformer-based Model Predictive Control: Trajectory Optimization via Sequence Modeling
Stanford University(斯坦福大学);Politecnico di Torino(都灵理工大学)
本研究提出融合Transformer与MPC的统一框架,用Transformer为非凸轨迹优化提供近优初始解,经仿真与自由飞行平台实验验证,可大幅提升轨迹生成性能、减少迭代次数并加快运行速度。
2024-10-31 cs.AI cs.RO math.OC
Lattice piecewise affine approximation of explicit nonlinear model predictive control with application to trajectory tracking of mobile robot
Harbin Institute of Technology Shenzhen(哈尔滨工业大学深圳校区)
为了促进移动机器人在各个领域的广泛应用,必须保证其轨迹跟踪性能。针对移动机器人系统的约束条件和非线性特点,采用非线性模型预测控制(MPC)实现移动机器人的轨迹跟踪。针对非线性预测控制在线计算复杂的问题,设计了一种格点分段仿射(PWA)逼近方法,该方法既能逼近非线性系统,又能逼近显式非线性预测控制的控制律。移动机器人的运动学模型沿轨迹依次线性化,得到系统的线性时变描述,然后用格型PWA模型表示。随后,非线性MPC问题可以转化为一系列线性MPC问题。此外,为了降低在线计算多个线性MPC问题的复杂性,我们使用格PWA模型来近似线性MPC的最优解。也就是说,对于不同的采样状态,最优控制输入,并构造格PWA近似的状态控制对。通过与线性MPC和显式线性MPC框架的比较,进行仿真来评估我们的方法的性能。结果表明,与显式线性预测控制方法相比,该方法在线计算速度快,离线计算时间短,跟踪误差不明显增加。
2023-02-16 cs.RO cs.SY eess.SY
Homotopy-aware Multi-agent Navigation via Distributed Model Predictive Control
School of Advanced Manufacturing and Robotics, Peking University(先进制造与机器人学院,北京大学);School of Computer Science and Engineering, Beihang University(计算机科学与工程学院,北航)
针对密集环境中多智能体穿越狭长走廊易死锁的问题,提出结合同伦感知全局路径规划与MPC局部轨迹优化的分布式框架,成功率提升至90%以上。
2025-07-26 cs.MA cs.RO cs.SY
A Distributed Model Predictive Control Framework for Road-Following Formation Control of Car-like Vehicles (Extended Version)
École des Ponts ParisTech(巴黎路桥学院)
这项工作提出了一种新的框架,在道路环境中的多自主地面车辆的编队控制。该问题的独特挑战在于:1)在高度结构化的环境中设计与障碍物和其他车辆的碰撞避免策略,2)动态重新配置编队以处理不同的任务规范。在本文中,我们设计了一个本地MPC为基础的跟踪控制器,每个单独的车辆遵循一个参考轨迹,同时满足各种约束(运动学和动力学,碰撞避免,\textit{etc.})。基于预定义的编队树,车辆的参考轨迹是根据其领导者的轨迹计算的。我们使用逻辑规则来组织成员车辆的避碰行为。此外,我们提出了一种方法来安全地重新配置的编队飞行。所提出的框架已被验证使用高保真模拟。
2016-04-29 cs.RO
Nonlinear Model Predictive Control for Multi-Micro Aerial Vehicle Robust Collision Avoidance
ETH Zurich(苏黎世联邦理工学院);TU Delft(代尔夫特理工大学)
多旋翼微型飞行器共享同一空域,需要一种可靠、鲁棒的防撞技术。本文研究了多MAV反应式避碰问题。采用基于模型的控制器同时实现参考轨迹跟踪和避碰。此外,我们还考虑了状态估计器的不确定性和其他代理的位置和速度的不确定性,以实现更高程度的鲁棒性。所提出的方法是分散的,不需要碰撞的参考轨迹和帐户的完整MAV的动态。我们在仿真和实验中验证了我们的方法。
2017-03-03 cs.RO
Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections
University of Washington(华盛顿大学)
我们专注于分散导航之间的多个非通信理性代理在\emph{uncontrolled}交叉口,即,没有交通标志或信号的街道交叉口。避免这些领域中的冲突依赖于智能体可靠地预测彼此意图并快速做出反应的能力。多智能体轨迹预测是NP难的,而现有的数据驱动方法的样本复杂性限制了它们的适用性。我们的关键见解是,交叉点的几何结构和智能体有效移动和避免碰撞(理性)的激励减少了可能行为的空间,有效地缓解了轨迹预测的问题。在本文中,我们崩溃的多智能体轨迹在一个交叉点的空间成一组代表不同类别的多智能体行为的模式,形式化使用拓扑不变性的概念。基于这种形式主义,我们设计了多拓扑预测(MTP),数据驱动的概率预测机制,重建轨迹表示的高似然模式在多智能体交叉场景。我们表明,MTP在具有挑战性的模拟数据集上的预测准确率为78.24%,优于最先进的多模态轨迹预测基线(MFP)。最后,我们表明,MTP使我们的优化为基础的规划,MTPnav,实现无碰撞和时间效率的导航在各种具有挑战性的交叉路口的情况下,CARLA模拟器。
2020-11-08 cs.AI cs.LG cs.MA
PRIMER: Perception-Aware Robust Learning-based Multiagent Trajectory Planner
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology(航空与航天系,麻省理工学院);Institute for Research in Technology, ICAI School of Engineering, Comillas Pontifical University (Spain)(技术研究所,ICAI工程学院,Comillas天主教大学(西班牙))
针对定位不确定导致多智能体轨迹解冲突失败及优化规划器计算昂贵的问题,本文提出 PARM/PARM* 与基于模仿学习的 PRIMER,在保持感知感知鲁棒导航能力的同时将计算速度提升最高 5500 倍。
2025-05-13 cs.LG cs.RO
Real-time Model Predictive Control with Zonotope-Based Neural Networks for Bipedal Social Navigation
Georgia Institute of Technology(佐治亚理工学院);College of Engineering and Petroleum, Kuwait University(科威特大学工程与石油学院)
针对动态人群中的双足导航问题,提出基于zonotope的级联神经网络PPN与ESN,并将ESN与模型预测控制结合实现无碰撞轨迹规划,在双足机器人Digit仿真中验证了框架的有效性。
2024-03-25 cs.RO
Model-Predictive Trajectory Generation for Aerial Search and Coverage
Institute for Systems and Robotics(系统与机器人研究所);LARSyS;School of Science and Technology, NOVA University Lisbon(里斯本新大学科学与技术学院);COPELABS, Lusófona University(卢索福纳大学COPELABS)
针对无人机搜索与覆盖任务,提出一种基于高斯混合模型不确定性地图的模型预测控制轨迹规划算法,通过松弛最优控制问题实现高效平滑轨迹生成,并经仿真与实验验证。
2025-03-27 cs.RO cs.SY eess.SY
Model Predictive Control for Trajectory Tracking on Differentiable Manifolds
University of Hong Kong(香港大学)
我们认为几何跟踪控制理论和模型预测控制(MPC)的机器人系统在流形上操作之间的差距的桥梁的问题。我们提出了一个通用的流形MPC制定的基础上发展的流形上的系统的规范表示。然后,我们提出了一种方法,解决了在流形MPC制定线性化的跟踪下沿轨迹的系统。所提出的方案有两个主要优点。首先,线性化系统导致一个等价的误差系统表示的一组最小的参数没有任何奇异性。其次,系统建模,误差系统推导,线性化和控制的过程中,流形约束完全解耦的系统描述,使一个符号MPC框架,自然封装流形约束的发展。在这个框架中,用户只需要提供系统特定的描述,而不需要处理多方面的约束。我们实现了这个框架,并测试它的四旋翼无人机(UAV)上运行的$SO(3) \times \mathbb{R}^n$和无人地面车辆(UGV)在曲面上移动。真实世界的实验表明,所提出的框架和实现高跟踪性能和计算效率,即使在高度侵略性的特技飞行四旋翼机动。
2021-06-29 cs.RO cs.SY eess.SY
Model Predictive Control for Crowd Navigation via Learning-Based Trajectory Prediction
Continental Automotive GmbH, Germany(德国Continental汽车有限公司);Technical University of Berlin, Germany(柏林技术大学);Free University of Berlin, Germany(柏林自由大学)
本研究在 Continental Corriere 机器人上评估了基于深度学习的 SI 预测器与 MPC 框架的集成,发现 SI-MPC 相比传统 CV 模型显著降低了预测误差并提升了导航安全性与平滑度,同时揭示了开环指标与闭环性能间的差异。
2025-08-09 cs.AI cs.RO cs.SY
Model Predictive Control for Magnetically-Actuated Cellbots
Boston University(波士顿大学);Old Dominion University(奥多明尼昂大学);University of Delaware(特拉华大学);University of Maryland(马里兰大学)
本文提出一种结合模型预测控制与高斯过程的磁驱动cellbots控制框架,利用数据驱动建模估计未建模扰动,实现仅需少量数据即可精确跟踪轨迹,并经实验验证提升了跟踪精度。
2024-09-26 cs.RO
Real-Time LPV-Based Non-Linear Model Predictive Control for Robust Trajectory Tracking in Autonomous Vehicles
Department of Electrical Engineering, Indian Institute of Technology Hyderabad (IITH)(电子工程系,印度理工学院海得拉巴(IITH))
本文提出一种基于LPV的实时MPC框架,采用模块化架构和基于曲率的权重调优方法,并在ROS中并行实现,在仿真与实车实验中验证了自动驾驶车辆在高速和激进操控下的高精度鲁棒轨迹跟踪能力。
2025-06-05 cs.RO cs.SY eess.SY
Towards Safe Control of Continuum Manipulator Using Shielded Multiagent Reinforcement Learning
The Chinese University of Hong Kong(香港中文大学)
Continuum机器人操作器越来越多地用于微创手术。然而,它们的非线性行为是具有挑战性的准确建模,特别是当受到外部相互作用,可能导致控制性能差。在这封信中,我们调查的可行性,采用无模型的多智能体强化学习(RL),即多智能体深度Q网络(MADQN),控制2自由度(DoF)电缆驱动的连续手术机械手。在MADQN框架中,机器人的控制被公式化为一个自由度,一个代理问题,以提高学习效率。结合屏蔽方案,使动态变化的动作集边界,MADQN导致有效的和重要的是更安全的控制机器人。屏蔽MADQN使机器人能够在外部负载,软障碍物和刚性碰撞下执行具有亚毫米均方根误差的点和轨迹跟踪,这些都是手术机械手遇到的常见交互场景。该控制器在具有高结构非线性的小型连续体机器人中得到了有效的应用,在外部载荷作用下实现了亚毫米级精度的轨迹跟踪。
2021-06-15 cs.AI cs.MA cs.RO
Perfecting Periodic Trajectory Tracking: Model Predictive Control with a Periodic Observer ($Π$-MPC)
Stanford University(斯坦福大学);ETH Zürich(苏黎世联邦理工学院)
本文提出Π-MPC方法,通过周期观测器估计并补偿周期性扰动,与跟踪MPC结合实现渐近零误差跟踪,并在高维软体机器人和自动驾驶赛车实验中验证了其有效性。
2024-08-30 cs.RO cs.SY eess.SY
Robust Tube-Based Decentralized Nonlinear Model Predictive Control of an Autonomous Tractor-Trailer System
University of Leuven (KU Leuven)(鲁汶大学);Nanyang Technological University(南洋理工大学)
本文采用分散控制方法研究了自主牵引车-拖车系统的轨迹跟踪问题。设计了一种完全分散的模型预测控制器,其中忽略子系统之间的相互作用,并假设它们之间是相互扰动的。为了具有鲁棒性设计,提出了一种基于管的方法来处理标称模型和真实系统之间的差异。非线性滚动时域估计用于每次新测量后的状态和参数估计,并将估计值馈送到基于管的鲁棒分散非线性模型预测控制器。所提出的控制方案是能够驱动的牵引车拖车系统的任何期望的轨迹,确保高控制精度和鲁棒性,对被忽视的子系统的相互作用和环境干扰。实验结果表明,在起伏不平的草地上的轨迹跟踪性能准确。
2021-04-05 cs.RO cs.SY eess.SY