A Safe Control Architecture Based on Robust Model Predictive Control for Autonomous Driving
提出了一种用于安全决策的鲁棒安全控制体系结构。被控系统是一个存在有界干扰的车辆。RSCA由两部分组成：Supervisor MPC和Controller MPC。管理器和控制器都是管MPC（TMPC）。Supervisor MPC为操作控制器提供安全证书，并在每个步骤中提供备用控制输入。在预测到操作控制器的不安全动作之后，控制器MPC接管系统。在本文中，提出了一种方法的终端集的计算，这是强大的对道路曲率的变化，并迫使车辆达到一个安全的参考。此外，本文还提供了两个重要的证明。首先，示出了备用控制输入安全地应用于系统以将车辆引导到安全状态。其次，证明了RSCA的递归可行性。通过对避障场景的仿真，验证了所提方法的有效性。
2022-06-20 cs.SY eess.SY
Energy Storage in Madeira, Portugal: Co-optimizing for Arbitrage, Self-Sufficiency, Peak Shaving and Energy Backup
INRIA and DI ENS, ENS, CNRS, PSL University（法国国家信息与自动化研究所、巴黎高等师范学院、法国国家科学研究中心、巴黎文理研究大学）；ITI, LARSyS, Ténico Lisboa, and prsma.com（技术研究所、LARSyS、里斯本理工学院和prsma公司）
本文研究了马德拉岛的能源存储应用，从生产者消费者（prosumer）视角出发，探讨如何协调 arbitrage、自给自足、削峰和能源备份，通过凸优化问题解决零上网电价下的 arbitrage、提高本地可再生能源自消费、削峰和在停电时作为备用电源。
2019-08-19 cs.SY eess.SY
OcclusionCBF: Backup Control Barrier Functions for Safe Navigation Among Hidden Dynamic Obstacles
Kobe University（神户大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）；University of Michigan（密歇根大学）
提出OcclusionCBF安全过滤器，将备份控制屏障函数扩展到隐藏动态障碍物的可达占用预测，通过仿射约束实现最小侵入性过滤，并保证递归可行性和碰撞避免，实验验证了其优于现有基线。
2026-09-09 cs.RO cs.SY eess.SY
Safe Stochastic Model Predictive Control
对安全关键型系统进行有效和安全的控制是一项挑战。鲁棒方法可能过于保守，而概率控制器需要在效率和安全之间进行权衡。在这项工作中，我们提出了一个安全的算法，是兼容的任何随机模型预测控制方法的线性系统添加剂的不确定性和多面体约束。该安全算法允许使用随机模型预测控制的乐观控制输入，只要安全的备用计划器可以确保安全性，以满足受有界不确定性的硬约束。除了保证安全的行为，所提出的随机模型预测控制算法保证递归的可行性和输入到状态稳定性的系统起源。安全的随机模型预测控制算法的好处是在数值模拟中证明，突出的优点相比，纯粹的鲁棒或随机预测控制器。
2022-09-15 cs.SY eess.SY
Stochastic Model Predictive Control for Linear Systems using Probabilistic Reachable Sets
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
本文提出了一种用于受可能无限加性扰动影响的线性离散时间系统的随机模型预测控制（MPC）算法，通过概率可达集的概念来处理约束，基于单峰扰动分布假设，保证闭环机会约束的满足，并在不可行时采用回退到先前时间步的控制方案，同时给出了渐近平均性能界。
2018-09-20 cs.SY eess.SY
A predictive safety filter for learning-based racing control
自动驾驶等安全关键型应用对高性能控制器的需求日益增长，推动了正式安全验证技术的发展。在本文中，我们设计并实现了一个预测性的安全过滤器，它能够保持车辆安全的轨道边界配对时，与任何潜在的不安全的控制信号，如那些发现在基于学习的方法。使用模型预测控制（MPC）框架来创建最小侵入性算法，该最小侵入性算法证明期望的控制输入是否是安全的并且可以应用于车辆，或者提供替代输入以将车辆保持在界限内。为此，我们提供了一个原则性的程序来计算一个安全和不变的非线性动态自行车模型，使用高效的凸逼近技术。为了在没有保守安全干预的情况下完全支持激进的赛车性能，安全设置通过预测控制备份轨迹实时扩展。在微型遥控车辆上的辅助手动驾驶和深度模仿学习应用证明了安全过滤器在激进机动中确保车辆安全的能力。
2021-02-23 cs.SY eess.SY
Adaptive Model Predictive Safety Certification for Learning-based Control -- Extended Version
针对具有有界扰动和不确定参数的线性系统，提出了一种基于学习的自适应模型预测安全认证（MPSC）方案，其中真实参数包含在先验已知的参数集合中. MPSC是一个模块化的框架，它可以与任何基于学习的控制器结合使用，以确保状态和输入约束满足动力系统通过解决在线优化问题。通过使用坚固的管将当前系统状态与安全端子组连续连接，可以确保安全性。因此，保守的安全干预措施的主要来源是模型的不确定性和短期规划的视野。我们开发了一种自适应机制来改进系统模型，该机制利用集成员估计来保证递归可行和非递减的安全性能改进。为了适应短期的预测视野，迭代安全集扩大使用以前计算的强大的备份计划。最后，我们说明了增加的安全性能，通过参数和安全集的适应数值例子与多达16个状态维度。
2021-09-29 cs.SY eess.SY
A Safe Control Architecture Based on a Model Predictive Control Supervisor for Autonomous Driving
本文提出了一种新的，安全的控制体系结构（SCA）控制一类重要的系统：安全关键系统。确保控制决策的安全性一直是自动控制中的一个挑战。所提出的SCA旨在通过使用模型预测控制器（MPC）来应对这一挑战，该模型预测控制器（MPC）充当操作控制器的监督者，在这个意义上，MPC不断地检查由操作控制器生成的控制输入的安全性，并且如果控制输入被预测为在可预见的未来总是导致危险情况，则进行干预。则可以激活适当的备份方案，例如，降级的控制机制、系统向安全状态的转换或向人类监督员发出的警告信号。为了验证概念，建议SCA应用于自动驾驶场景，在不同的避障场景中进行说明和比较。SCA的一个主要挑战在于MPC预测模型与实际系统之间的不匹配，对此可能的补救措施进行了探索。
2022-01-31 cs.SY eess.SY
MAMPS: Safe Multi-Agent Reinforcement Learning via Model Predictive Shielding
University of Pennsylvania（宾夕法尼亚大学）
强化学习是一种很有前途的方法来学习控制策略，以执行复杂的多智能体机器人任务。然而，在模拟中学习的策略往往无法保证甚至简单的安全属性，例如避障。为了确保安全性，我们提出了多智能体模型预测屏蔽（MAMPS），这是一种可证明地保证任意学习策略安全的算法。特别是，它通过尽可能频繁地使用学习策略来操作，但是在不能保证学习策略的安全性的情况下使用备份策略。使用多代理仿真环境，我们展示了如何MAMPS可以实现良好的性能，同时确保安全。
2019-12-28 cs.AI cs.MA cs.RO
Data-Driven Evolutionary Game-Based Model Predictive Control for Hybrid Renewable Energy Dispatch in Autonomous Ships
针对自主船舶混合可再生能源调度，提出数据驱动的演化博弈模型预测控制框架，通过滚动优化整合博弈动力学，实现成本效益高、可靠且自适应的能量调度，优于传统方法。
2025-04-20 cs.SY eess.SY
Predictive control barrier functions for piecewise affine systems with non-smooth constraints
University of Oxford（牛津大学）；Delft University of Technology（代尔夫特理工大学）
本文针对受非线性状态和多面体输入约束的非控制仿射分段仿射系统，引入集值广义Clarke导数设计预测安全滤波器，提出显式近似方法以保证安全性并降低计算开销。
2026-09-03 cs.SY eess.SY
Model predictive control lowers barriers to adoption of heat-pump water heaters: A field study
本研究开发并现场验证了首个无需电阻加热元件的120V热泵热水器模型预测控制系统，通过集成机器学习预测提前预热，在保证舒适度的同时，相比240V标准控制平均节能23%-28%，相比恒温60°C方案节能37%，并具有经济可行性。
2025-10-14 cs.SY eess.SY
A Primary Frequency Control Strategy for Variable-Speed Pumped-Storage Plant in Power Generation Based on Adaptive Model Predictive Control
针对低惯量电网频率控制难题，本文提出基于自适应模型预测控制的变速抽水蓄能电站发电工况一次调频策略，利用其灵活性提升调频性能。
2022-11-01 cs.SY eess.SY
Data Center Chiller Plant Optimization via Mixed-Integer Nonlinear Differentiable Predictive Control
Slovak University of Technology（斯洛伐克工业大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出一种计算可行的实时预测控制框架，用于优化包含离散和连续控制决策的多冷水机房，通过非线性动态耦合形成混合整数优化问题。扩展可微预测控制以处理混合整数控制策略，实验表明其在能耗上优于规则控制器，计算速度也快于MPC。
2026-03-30 cs.SY eess.SY
Data-driven Output-feedback Predictive Control: Unknown Plant's Order and Measurement Noise
针对系统模型完全未知的多输入多输出线性定常系统，提出了一种新的数据驱动控制方案。通过非最小输入输出实现，该方法可以应用于系统阶数未知的情况，只要其上界已知。针对测量噪声提出了一种解决方案，并通过仿真研究表明，所提出的方法是优于传统的方法时，处理由测量噪声损坏的输入/输出数据。
2022-01-10 cs.SY eess.SY
ALADIN-based Distributed Model Predictive Control with dynamic partitioning: An application to Solar Parabolic Trough Plants
针对太阳能抛物槽式电站传热流体温度控制问题，提出结合动态聚类分区的ALADIN分布式模型预测控制方法，可在低性能损失下减少协调变量数，并在10回路电站验证了有效性。
2023-05-04 cs.SY eess.SY
Multistage Stochastic Model Predictive Control for Urban Automated Driving
城市自动驾驶中的轨迹规划具有挑战性，因为其他交通参与者的未知未来运动导致高度不确定性。鲁棒方法保证安全性，但往往导致过于保守的运动规划。因此，我们建议使用随机模型预测控制的车辆控制在城市驾驶，允许有效地规划车辆的轨迹，同时保持足够低的风险概率。对于运动优化，我们建议使用一个两阶段的分层结构，分别规划的轨迹和机动。高级别层利用长预测范围和抽象模型来规划最佳机动，并且较低级别负责通过适当规划车辆的轨迹来执行所选择的机动。包括数值模拟，显示我们的建议的潜力。
2021-11-27 cs.SY eess.SY
Integrating Planning and Predictive Control Using the Path Feasibility Governor
针对非凸环境中运动规划与跟踪集成难的问题，提出PathFG框架将路径规划器与非线性MPC结合，通过操纵参考量确保约束满足与稳定性，显著扩大吸引域并提升计算效率，经四旋翼仿真验证了实时性能。
2025-07-12 cs.SY eess.SY
Model Predictive Control for a Medium-head Hydropower Plant Hybridized with Battery Energy Storage to Reduce Penstock Fatigue
混合动力水电站是在传统水电站的基础上增加电池储能系统（BESS），以减少敏感机械部件的磨损，提高整个电站的可靠性和调节性能。控制混合动力发电厂的中心任务是根据操作目标确定总功率设定点应如何在BESS和混合单元之间划分（功率设定点划分）。本文介绍了一种模型预测控制（MPC）框架，用于混合中高水头电厂确定水电机组和BESS的功率设定点。拆分策略依赖于HPP的压力钢管所产生的机械载荷的明确公式，压力钢管在向电网提供调节服务时可能由于疲劳而损坏。通过从HPP的功率设定点中过滤掉有助于过度压力管道疲劳的组件并适当地控制BESS，所提出的MPC能够保持相同水平的调节性能，同时显著减少对液压管道的损坏。考虑到230兆瓦的中型水头水电站的模拟提供了一个概念验证。
2021-11-13 cs.SY eess.SY
Plant and Controller Optimization for Power and Energy Systems with Model Predictive Control
本文探讨了电气化移动性的植物特性和控制器参数的优化。汽车和飞机等移动运输系统的电气化能够提高效率和成本等关键性能指标。然而，新组件内的电气和热动态之间的强双向耦合带来了集成挑战，增加了组件退化并降低了性能。减少这些问题需要新的工厂设计和控制策略。电气化移动性文献提供了关于工厂和控制器优化的先前研究，称为控制协同设计（CCD）。这些研究中的一个空白是缺乏模型预测控制（MPC），公认的管理多域动态电气化系统，CCD框架内。本文通过三个贡献来解决这个问题。首先，热电机械混合动力电动汽车（HEV）模型的开发，是适合植物优化和MPC。其次，同时植物和控制器优化进行此多域系统。第三，MPC集成在CCD框架内使用候选HEV模型。结果表明，同时优化植物和MPC参数可以减少超过60%的物理组件的大小和关键性能度量误差超过50%。
2020-10-14 cs.SY eess.SY
Models and Predictive Control for Nonplanar Vehicle Navigation
我们提出了一个简化的模型，车辆行驶在非平面道路上。采用参数曲面来描述非平面道路，该曲面可以描述曲率、坡度和坡度的任意组合。我们表明，所提出的建模方法概括了平面车辆模型，参考中心线，如Frenet模型。我们使用所提出的方法，车辆路径规划和以下使用模型预测控制。我们还对车辆与路面的接触进行建模和控制。我们表明，所提出的控制器提高了速度和车道以下的复杂道路上的平面车辆控制器相比，并减轻了复杂的路面上，包括偏离弯道的控制损失。
2022-04-19 cs.SY eess.SY
Protecting residential electrical panels and service through model predictive control: A field study
本文提出并实地验证了一种基于模型预测控制的住宅电流管理系统，通过动态调节热泵和热水器设定点，在100 A配电盘和供电服务限值内安全支持住宅电气化，避免昂贵升级并节省数千美元。
2025-02-05 cs.SY eess.SY
Grid-Based Stochastic Model Predictive Control for Trajectory Planning in Uncertain Environments
随机模型预测控制已被证明是在不确定环境中规划轨迹的有效方法，例如，for autonomous自动vehicles车辆.机会约束确保碰撞概率由预定义的风险参数限定。然而，在优化问题中考虑机会约束可能是具有挑战性的，并且在计算上要求很高。本文提出了一种基于网格的随机模型预测控制方法。这种方法允许确定一个简单的确定性重新制定的机会约束，并减少了计算工作量，同时考虑环境的随机性。在所提出的方法中，我们首先将环境划分为网格，并为每个预测步骤，为每个单元格分配一个概率值，该概率值表示该单元格将被周围车辆占用的概率。然后，概率网格被转换成一个二进制网格的容许和不容许的细胞通过应用一个阈值，代表一个风险参数。只有占用概率低于阈值的小区才可用于受控车辆。给定容许单元，生成凸包，然后可以用于轨迹规划。自动驾驶公路场景的仿真显示了所提出的基于网格的随机模型预测控制方法的优点。
2021-05-14 cs.SY eess.SY
Recursively Feasible Chance-constrained Model Predictive Control under Gaussian Mixture Model Uncertainty
本文针对移动障碍物多模态预测不确定性，提出三种基于高斯混合模型的机会约束MPC规划器，证明其安全性并比较保守性与递归可行性，最终在自动驾驶模拟器中验证有效性。
2025-03-08 cs.SY eess.SY
Handling plant-model mismatch in Koopman Lyapunov-based model predictive control via offset-free control framework
Koopman算子理论通过将非线性动力学变换到更高维的可观测函数空间来实现给定非线性动力系统的全局线性表示，其中可观测函数的演化由无限维线性算子支配。对于Koopman算子理论的实际应用，已经开发了各种数据驱动的方法来通过近似Koopman算子来导出提升的状态空间模型。基于近似模型的Koopman模型预测控制（KMPC）方案已经被提出。然而，由于无限维Koopman算子的有限维近似不能完全表示非线性动力系统，因此在这些KMPC方案中固有地存在对象模型失配，并且对控制系统的性能产生负面影响。在这项工作中，我们提出了无偏Koopman李雅普诺夫为基础的模型预测控制（KLMPC）框架，解决了固有的植物模型失配KMPC计划使用无偏控制框架的基础上的干扰估计方法，并确保可行性和稳定性的控制系统通过应用李雅普诺夫约束的最优控制问题。零稳态偏移条件的开发框架进行了数学研究。所开发的框架的有效性也证明了通过比较建议的无偏置KLMPC和标称KLMPC的闭环结果。
2020-10-14 cs.SY eess.SY
Multi-Rate Planning and Control of Uncertain Nonlinear Systems: Model Predictive Control and Control Lyapunov Functions
现代控制系统必须在受到安全约束和输入限制的日益复杂的环境中操作，并且通常以分级方式实现，其中不同的控制器在多个时间尺度上运行。然而，传统的非线性控制器综合的建设性方法通常“扁平化”这个层次结构，集中在一个单一的时间尺度，从而限制了能力，使严格的保证约束满足，为整个系统。在这项工作中，我们试图通过一个\textit{multi-rate}控制架构来解决约束非线性系统的稳定问题。这是通过使用线性化模型和模型预测控制（MPC）迭代地规划非线性系统的连续参考轨迹，并使用全阶非线性模型和控制李雅普诺夫函数（CLF）跟踪所述轨迹来实现的。通过使用\textit{Bézier curves}，以确保满足约束的方式连接这两个级别的控制设计，通过规划一系列离散点，可以规划遵守约束的连续轨迹。我们的框架编码通过凸优化问题，可以有效地解决，如模拟中所示。
2022-04-01 cs.SY eess.SY
Predictive control of wastewater treatment plants as energy-autonomous water resource recovery facilities
School of Chemical Engineering, Aalto University（阿尔托大学化学工程学院）；Department of Teleinformatics Engineering, Federal University of Ceará（塞阿拉联邦大学电信工程系）
本文提出了一种基于模型预测控制的方案，用于将传统废水处理厂作为能源自给型水资源回收设施进行操作，通过优化水质量和沼气产量实现能源自给。
2025-06-12 cs.SY eess.SY
Model-plant mismatch learning offset-free model predictive control
提出了模型-对象失配学习无偏置模型预测控制（MPC），它学习和应用内在的模型-对象失配，有效地利用基于模型和数据驱动控制策略的优点，克服每种方法的局限性。在这项研究中，在受控变量空间的稳态流形上的模型-植物失配映射近似通过一般的回归神经网络从每个设定点的稳态数据。尽管学习的模型-对象失配图可以提供平衡点处的信息（即，设定点），它不能在瞬态期间提供模型-被控对象失配信息。此外，固有的模型-设备失配可以由于操作期间的系统特性变化而变化。因此，我们另外应用补充干扰变量，该补充干扰变量是基于标称无偏移MPC方案从干扰估计器更新的。然后，将组合扰动信号应用于无偏置MPC的目标问题和有限时域最优控制问题，以提高控制器的预测精度和闭环性能。这样，我们就可以利用学习到的模型-对象失配信息和标称扰动估计器方法的稳定特性。闭环仿真结果表明，该方法能够正确地学习模型-对象失配，有效地提高无偏置MPC的模型-对象失配补偿性能。此外，我们研究的鲁棒渐近稳定性的开发的无偏置MPC计划，这是已知的是难以分析在标称无偏置MPC，通过利用学习模型植物失配信息。
2020-12-13 cs.SY eess.SY
Sparse Packetized Predictive Control of Disturbed Plants Over Channels with Data Loss
本文研究了线性离散时间对象在有界扰动作用下，采用分组预测控制（PPC）策略时的闭环稳定性。在所考虑的反馈回路中，控制器通过施加有界辍学的数字通信通道连接到致动器。两种PPC策略被考虑在内。在这两种情况下，通过解决稀疏促进优化问题来生成控制分组。一个是基于l2约束l0优化问题。这样的问题是放松的l1-l2优化问题，在其他稀疏PPC设置。我们利用有效的解决方法，后者的优化问题。此外，我们表明，在植物干扰的存在下，l2约束l0稀疏PPC和无约束l1-l2稀疏PPC保证实际的系统稳定性，如果满足一定的条件。更准确地说，在每种情况下，我们可以推导出一个上限的系统状态，如果设计参数满足一定的条件。我们得到的界限是增加的扰动幅度。我们通过仿真表明，在这两种情况下提出的稀疏PPC策略，较大的干扰带来的性能下降，对系统的实际稳定性没有影响。
2021-08-19 cs.SY eess.SY
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
Multi-Rate Control Design Leveraging Control Barrier Functions and Model Predictive Control Policies
在本文中，我们提出了一个多速率控制架构的安全关键系统。我们考虑一个高层次的规划器和一个低层次的控制器，它们工作在不同的频率。这种多速率行为是由一个分段的非线性模型，它在一个连续和离散的水平上发展。首先，我们提出了充分条件，保证递归约束满足的闭环系统。之后，我们提出了一种控制设计方法，利用控制障碍函数（CBF）的低级别控制和模型预测控制（MPC）的政策，高层次的规划。控制障碍函数采用完全非线性动态模型设计，MPC基于简化的规划模型。当非线性系统为控制仿射系统且高层规划模型为线性系统时，通过求解各层的凸优化问题来计算控制动作。最后，我们展示了所提出的策略的有效性，在一个仿真例子中，低级别的控制动作更新的频率比高级别的命令。
2020-07-06 cs.SY eess.SY
Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Bergamo（贝加莫大学）
研究无人机在非凸空中走廊的导航规划，核心方法是基于混合整数跟踪模型预测控制公式，嵌入特定成本与约束，主要贡献是生成满足约束且收敛目标的动态有效轨迹，无需外部全局规划。
2026-07-28 cs.RO cs.SY eess.SY
Risk-Sensitive Model Predictive Control for Interaction-Aware Planning -- A Sequential Convexification Algorithm
本文针对人机交互场景中具有决策依赖分布的随机系统，提出一种风险敏感模型预测控制的序列凸化算法，通过推导目标函数与碰撞避免惩罚项的凸上界，将非凸最优控制问题转化为一系列凸问题高效求解，并在机器人导航仿真中验证了其有效性与计算优势。
2025-05-30 cs.SY eess.SY math.OC
Motion Planning for Mobile Manipulators Navigating Doorways via Model Predictive Control
The Pennsylvania State University（宾夕法尼亚州立大学）；AlphaZ Inc.（AlphaZ公司）
针对移动机械臂在人类环境中穿越 doorway 的需求，提出基于非线性 MPC 的耦合系统运动规划框架，经仿真与硬件实验验证可生成无碰撞的 door 穿越轨迹。
2026-08-04 cs.RO cs.SY eess.SY
An Uncertainty-Aware Data-Driven Predictive Controller for Hybrid Power Plants
本文提出不确定性感知的子空间预测控制器，用于协调含4 MW风电、光伏和同址储能的混合电厂，在天气不确定性下跟踪真实电力需求并预测HPP性能。
2025-02-18 cs.CE cs.SY eess.SY
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
Interaction and Decision Making-aware Motion Planning using Branch Model Predictive Control
KTH Royal Institute of Technology（瑞典皇家理工学院）；UC Berkeley（加州大学伯克利分校）
与人类驾驶员共享道路的自动驾驶车辆的运动规划仍然具有挑战性。困难来自三个具有挑战性的方面：1）人类驾驶员是多模式的，2）与自动驾驶汽车交互，3）根据交通场景的当前状态主动做出决策。本文提出了一种基于分支模型预测控制的运动规划框架。通过考虑与人类驾驶员所做的不同决定相关联的多个未来结果来解决多模态。人类的互动性质被认为是通过建模他们的自主车辆的行动影响的反应代理。最后，我们考虑在人类神经科学研究中开发的模型，作为编码人类驾驶员决策过程的一种可能方式。我们提出了在各种情况下的仿真结果，显示所提出的方法的优点和它的能力，计划自信的演习，传达意图给人类。
2023-01-31 cs.RO cs.SY eess.SY
Model Predictive Path Planning in Navier-Stokes Flow with POD-Based Reduced-Order Models
本文提出一种结合POD降阶模型与MPC的路径规划方法，用于在纳维-斯托克斯流中实现高效实时控制。
2025-11-27 cs.SY eess.SY math.OC
Nonlinear Model Predictive Control for Distributed Motion Planning in Road Intersections Using PANOC
Ford Research & Innovation Center（福特研究与创新中心）
本文提出了一种在合理车对车通信要求下的分布式运动规划方案，通过实时求解非线性模型预测控制问题，解决路交口中高度自动化车辆协调中的非凸挑战问题。
2019-10-29 cs.SY eess.SY math.OC
Interactive Trajectory Planning with Learning-based Distributionally Robust Model Predictive Control and Markov Systems
Chalmers University of Technology（查尔姆斯理工大学）；Volvo Group Trucks Technology（沃尔沃集团卡车技术）
本文研究了在周围智能体决策不确定性下的交互轨迹规划问题，提出结合PAC学习与分布鲁棒优化的DR-MPC框架，通过样本数量实现鲁棒MPC与随机MPC之间的插值。
2026-05-08 cs.LG cs.SY eess.SY
Motion Planning under Uncertainty: Integrating Learning-Based Multi-Modal Predictors into Branch Model Predictive Control
Continental AG（大陆集团）
本文提出将多模态预测器与分支模型预测控制相结合的框架，通过拓扑与碰撞风险引导的场景选择和自适应决策推迟策略，在交通交叉口和高速公路合流场景中提升自动驾驶的实时性、舒适性与安全性。
2024-05-06 cs.RO cs.SY eess.SY
Offset-free model predictive control: stability under plant-model mismatch
针对非线性无静差MPC长期依赖闭环稳定性假设的问题，本文提出含鲁棒状态与扰动估计器的设计，证明其在模型失配和持续扰动下的稳定性、无静差性能及鲁棒性。
2025-09-01 cs.SY eess.SY math.OC
Predictive Control for Chasing a Ground Vehicle using a UAV
本文提出了一种多旋翼无人机追击地面车辆的高层规划器，同时满足各种状态和输入约束。假设地面车辆的最小运动学模型，利用在线收集的数据在模型预测控制框架内生成预测，通过仿真和稳定四旋翼平台的实验验证了该方案。
2019-05-22 cs.RO cs.SY eess.SY
Interactive multi-modal motion planning with Branch Model Predictive Control
California Institute of Technology（加州理工学院）
自主机器人和车辆的运动规划存在的不受控制的代理仍然是一个具有挑战性的问题，因为反应行为的不受控制的代理必须考虑。由于不受控制的智能体通常表现出多模态反应行为，运动规划器需要解决这些行为下的连续运动规划问题，其中包含离散元素。我们提出了一个分支模型预测控制（MPC）框架，计划反馈策略，利用不受控制的代理的反应行为。特别是，一个场景树是从一个有限的一组不受控制的代理的政策，和分支MPC解决了反馈策略的轨迹树的形式，共享相同的拓扑结构的场景树。此外，一致的风险度量，如条件风险价值（CVaR）被用作调整旋钮，以调整性能和鲁棒性之间的权衡。建议的分支MPC框架进行测试的超车和变道任务和合并任务的自动驾驶车辆的模拟，并在实验中的一个自主四足机器人旁边的不受控制的四足动物的运动规划。结果展示了有趣的人类行为，实现了安全和性能之间的平衡。
2021-09-18 cs.RO cs.SY eess.SY
A Non-linear MPC Local Planner for Tractor-Trailer Vehicles in Forward and Backward Maneuvering
University of Regina（里贾纳大学）
在自动驾驶系统的研究领域中，设计一个局部规划器来控制牵引拖车车辆的向前和向后机动是一个具有挑战性的控制问题。考虑到牵引车-拖车系统稳定性的关键情况，提出了一种实用且新颖的方法来设计牵引车-拖车自主车辆在向前和向后机动中的非线性MPC（NMPC）局部规划器。拖拉机速度和转向角被认为是控制变量。建议的NMPC本地规划器的目的是处理刀切的情况下，避免多个静态障碍物，并在向前和向后机动的路径。上述挑战被转换成一个约束问题，可以同时处理的建议NMPC本地规划器。直接多重打靶法用于将最优控制问题（OCP）转换为IPOPT求解器可以在CasADi中求解的非线性规划问题（NLP）。控制器的性能进行了评估，通过不同的备份和前向机动的情况下，在Gazebo仿真环境中的实时。它实现了渐近稳定，避免静态障碍物和准确的跟踪性能，同时尊重路径约束。最后，建议的NMPC本地规划器与一个名为AutowareAi的开源自动驾驶软件栈集成。
2022-12-22 cs.RO cs.SY eess.SY
Safe Robust Predictive Control-based Motion Planning of Automated Surface Vessels in Inland Waterways
Dept. of Mechanical Engineering, Clemson University（机械工程系，克莱姆森大学）
针对内河航道自主水面船舶导航面临的狭窄通道、高交通密度和水动力扰动挑战，提出结合鲁棒模型预测控制与控制屏障函数的运动规划方法，以安全约束确保碰撞避免，仿真验证了其有效性和安全性。
2025-09-08 cs.RO cs.SY eess.SY
Driving Context-guided Model Predictive Planning and Control for Autonomous Car Racing at the Limit and Beyond
University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）；Hipert S.r.l.（Hipert 有限责任公司）
本文提出一种基于模型预测控制的赛车运动规划与控制流水线，通过成本混合状态机适应超车、正常驾驶和反向转向等情境，并在Superformula EAV-25赛车上验证，圈速接近人类最佳成绩的2%以内。
2026-09-14 cs.RO cs.SY eess.SY
Data-Driven Predictive Planning and Control for Aerial 3D Inspection with Back-face Elimination
KIOS Research and Innovation Centre of Excellence (KIOS CoE)（KIOS研究与创新中心（KIOS卓越中心））；Department of Electrical and Computer Engineering, University of Cyprus（电子与计算机工程系，塞浦路斯大学）
本文提出一种数据驱动的预测控制方法，通过整合感知、规划和控制，实现准确的长视距3D检测，适用于黑盒UASs。
2025-06-30 cs.RO cs.SY eess.SY
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
Automated Lane Merging via Game Theory and Branch Model Predictive Control
TU Delft（代尔夫特理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出融合搜索式规划、矩阵博弈与分支模型预测控制的车道汇入框架，可选择汇入间隙并应对周围车辆的 Nash 与 Stackelberg 不确定策略，真实密集交通数据验证了其有效性。
2025-02-17 cs.RO cs.SY eess.SY
Hierarchical routing control in discrete manufacturing plants via model predictive path allocation and greedy path following
研究了离散型制造企业中不同工件必须经过一系列加工工序的零部件路径的实时控制与优化问题。这个问题的特点是大量的离散控制输入和存在的时间逻辑约束。提出了一种新的方法，采用转移的角度相对于以前的贡献，从欧拉系统模型，跟踪工厂节点的状态，拉格朗日模型，跟踪每个部分的状态被处理。该方法具有层次结构。在更高的层次上，预测滚动时域策略为每个部分分配一条穿过工厂的路径，以最小化所选的成本标准。在较低级别，路径跟随逻辑计算控制输入，以便跟随指定的路径，同时满足所有约束。该方法在模拟中进行了测试，报告了非常好的性能，如闭环代价函数值和计算效率所测量的，也具有非常大的预测范围值。这些功能为后续的研究步骤铺平了道路，最终将在中试工厂进行实验测试。
2020-11-09 cs.SY eess.SY math.OC
Distributionally Robust Model Predictive Control for Virtual Power Plants
University of Oslo（奥斯陆大学）
本文提出一种分布鲁棒模型预测控制框架，用于应对电力价格不确定性下的虚拟电厂优化。通过统一模型捕捉建筑、电池储能和可再生能源之间的交互，并结合数据驱动预测与分位数不确定性量化，构建时间变化的Wasserstein模糊集，提升实时决策效果。
2026-05-14 cs.SY eess.SY math.OC
Risk-aware Vehicle Motion Planning Using Bayesian LSTM-Based Model Predictive Control
Rutgers University – New Brunswick（罗格斯大学新布朗斯维克分校）
了解概率交通环境是自动驾驶车辆运动规划的一个重要挑战。为了做出可行的控制决策，预测相邻车辆的未来轨迹对于智能车辆评估潜在冲突并做出反应以降低风险至关重要。本文首先介绍了贝叶斯长短期记忆（BLSTM）模型，以学习人类驾驶员的行为和习惯，从他们的历史轨迹数据。该模型预测周围车辆位置的概率分布，用于估计动态冲突风险。接下来，建立一个混合自动机来模拟汽车的基本运动，并根据环境信息评估实时状态空间转换的冲突风险。最后，基于BLSTM的模型预测控制（MPC）的建立，以最小的预测冲突风险的安全路径导航车辆。通过将BLSTM与MPC相结合，所设计的基于神经网络的MPC克服了传统MPC难以对不确定冲突风险建模的缺陷。仿真结果表明，我们提出的基于BLSTM的MPC性能优于人类驾驶员，因为它可以预见潜在的冲突，并采取行动，以避免他们。
2023-01-15 cs.RO cs.SY eess.SY
Online Motion Planning based on Nonlinear Model Predictive Control with Non-Euclidean Rotation Groups
TU Dortmund University（多特蒙德工业大学）
提出了一种基于非线性模型预测控制的机器人在线运动规划方法。常见的方法依赖于纯欧几里德优化参数。然而，在机器人导航中，状态空间通常包括跨越非欧几里德旋转组的旋转分量。所提出的方法适用于非线性增量和差分算子在整个优化方案，明确考虑这些群体。实现包括但不限于二次型和时间最优目标。一个复杂的停车场景的运动自行车模型证明了该方法的有效性和实际意义。在更简单的机器人（例如差动驱动）的情况下，在层次规划设置中的比较分析揭示了可比的计算时间和性能。该方法可在模块化和高度可配置的开源C++软件框架中使用。
2020-06-05 cs.RO cs.SY eess.SY
