Linear vs Nonlinear MPC for Trajectory Tracking Applied to Rotary Wing Micro Aerial Vehicles
ETH Zürich（苏黎世联邦理工学院）
精确的轨迹跟踪是\acp{MAV}在杂波环境或干扰下工作的关键性能。在本文中，我们提出了一个详细的比较两个国家的最先进的基于模型的控制技术的\ac{MAV}轨迹跟踪。一个经典的\ac{LMPC}，并与一个更先进的\ac{NMPC}，认为完整的系统模型进行比较。在一个仔细的分析，我们显示的优点和缺点的两种实现的速度和跟踪性能。这是通过评估悬停性能，阶跃响应，并在标称条件下和外部风干扰的积极轨迹跟踪。
2017-04-21 cs.RO
Online Non-linear Centroidal MPC for Humanoid Robots Payload Carrying with Contact-Stable Force Parametrization
Mechanical engineering department（机械工程系）；Machine Learning and Optimisation, The University of Manchester（机器学习与优化，曼彻斯特大学）
针对人形机器人负重行走问题，提出结合在线非线性质心模型预测控制与接触稳定力参数化的方法，实现给定脚步轨迹的跟踪。
2023-05-18 cs.RO
Guaranteed Robust Nonlinear MPC via Disturbance Feedback
Institute for Dynamic Systems and Control（动态系统与控制研究所）
本文提出一种基于扰动反馈的鲁棒非线性MPC方法，通过将不确定系统分解为标称模型、扰动反馈控制器和误差界并利用序贯凸规划联合优化，在保证鲁棒约束满足、ISS和递归可行性的同时实现快速实时求解，并在火箭着陆等任务中验证。
2025-09-23 cs.RO cs.SY eess.SY
Safe Learning-based Gradient-free Model Predictive Control Based on Cross-entropy Method
Sun Yat-sen University（中山大学）
提出了一种安全的、基于学习的模型预测控制（MPC）控制框架，用于在不确定环境干扰下优化目标函数不可微的非线性系统。该控制框架以最小干预的方式集成了基于学习的MPC和辅助控制器。基于学习的预测控制通过增量式高斯过程对先验标称模型进行增广，以学习不确定扰动。交叉熵方法（CEM）被用作基于采样的MPC与不可微的目标函数的优化。设计了一个最小干预控制器，该控制器具有控制李雅普诺夫函数和控制障碍函数，用于指导采样过程，并赋予系统高概率安全性。在不确定风干扰下，该算法在模拟四旋翼飞行器的轨迹跟踪和避障任务中显示出安全和自适应的控制性能。
2022-02-21 cs.RO
MR-MPCC: Model Predictive Contouring Control for Robotic Manipulator Tracking under Moving Reference Frames
University of Technology Sydney（悉尼科技大学）；Robotics Institute, University of Technology Sydney（悉尼科技大学机器人研究所）；University of Edinburgh（爱丁堡大学）；School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
本文提出MR-MPCC框架，采用分层控制架构，在UR5e平台验证其在移动参考干扰下的路径跟踪性能，相比PI控制和传统MPC，可降低几何路径跟踪误差与移动路径框架偏差。
2026-10-16 cs.RO
Disturbance-Aware Flight Control of Robotic Gliding Blimp via Moving Mass Actuation
Robotics and Control Laboratory, School of Advanced Manufacturing and Robotics, and the State Key Laboratory of Turbulence and Complex Systems, Peking University（机器人与控制实验室，先进制造与机器人学院，湍流与复杂系统国家重点实验室，北京大学）
本文提出基于移动质量作动的扰动感知飞行控制方法，通过MHE-MPC框架提升飞艇在风扰动下的稳定性和控制性能。
2026-01-29 cs.RO
ASV Station Keeping under Wind Disturbances using Neural Network Simulation Error Minimization Model Predictive Control
School of Mechanical Engineering, Purdue University（普渡大学机械工程学院）
本文提出NNSEM-MPC，利用神经网络仿真误差最小化预测ASV在风力扰动下的动力学，在仿真和现场实验中优于多种控制器，显著降低位置和航向误差。
2023-10-11 cs.LG cs.RO
MPC-based Coarse-to-Fine Motion Planning for Robotic Object Transportation in Cluttered Environments
Department of Electrical and Computer Engineering, University of Kaiserslautern Landau（电气与计算机工程系，凯撒斯劳滕大学）；Department of Mechanical Engineering, Dalhousie University（机械工程系，达尔豪斯大学）
本文提出一种杂乱未建模环境下的机器人粗到细运动规划框架，结合双相机感知与基于B样条的MPC，通过增量视觉数据融合逐步细化环境模型与轨迹，利用核感知器碰撞检测实现实时约束更新，并在多臂平台验证了其鲁棒性与适应性。
2025-07-15 cs.RO cs.SY eess.SY
Graph-of-Constraints Model Predictive Control for Reactive Multi-agent Task and Motion Planning
Department of Computer Science, Purdue University（计算机科学系，普渡大学）
本文提出基于约束图的模型预测控制（GoC-MPC），用于解决多智能体任务与运动规划中的依赖几何约束序列问题，支持部分有序任务、动态智能体协调及扰动恢复，实现高效鲁棒的多智能体操作。
2026-03-22 cs.RO
RK-MPC: Residual Koopman Model Predictive Control for Quadruped Locomotion in Offroad Environments
Clemson University（克莱姆森大学）
本文提出RK-MPC，一种基于Koopman的的数据驱动模型预测控制框架，通过残差预测器提升预测精度并保持实时可行性，实验证明其在复杂地形中的可靠性和性能。
2026-04-07 cs.RO
Parsimonious disturbance-aware minimum-time planning with parametric uncertainty
研究针对赛车运动应用提出最小圈时规划框架，考虑状态干扰和参数不确定性，扩展公式并采用简约激活策略，通过MPC验证，相比无鲁棒性规划，鲁棒规划失败运行少、关键信号分散紧，提升了可跟踪性。
2026-07-16 cs.RO
Efficient Deep Learning of Robust Policies from MPC using Imitation and Tube-Guided Data Augmentation
Massachusetts Institute of Technology（麻省理工学院）
本文提出利用鲁棒管道MPC与数据增强，从单个MPC演示高效训练深度神经网络策略，实现对新扰动的鲁棒性和零样本迁移，在演示效率、训练时间及鲁棒性上优于DAgger和域随机化。
2024-07-06 cs.RO
Predictive Control with Indirect Adaptive Laws for Payload Transportation by Quadrupedal Robots
Department of Mechanical Engineering, Virginia Tech（机械工程系，弗吉尼亚理工学院）
本文提出一种基于间接自适应律的预测控制框架，用于四足机器人在复杂地形中稳健运输未知负载。
2026-03-09 cs.RO cs.SY eess.SY
Non-Holonomic RRT & MPC: Path and Trajectory Planning for an Autonomous Cycle Rickshaw
Technical University of Munich (TUM)（慕尼黑工业大学）；University of Sarajevo（萨拉热窝大学）
提出了一种基于快速探索随机树（RRT）进行全局规划和基于模型预测控制（MPC）进行局部规划的分层运动规划方法。该方法的目标是用于共享空间中的自主城市交通的三轮自行车（三轮车）。由于车辆的性质，算法必须进行调整，以遵守非完整的运动学约束，使用运动学单轨模型。该车辆旨在为共享环境中的人员和货物提供运输，例如道路，人行道，自行车道以及经常被其他交通参与者占用的开放空间。因此，本文提出的算法需要预测和避免动态障碍物，如行人或自行车，但也要足够快，以便实时工作，使其能够适应环境的变化。我们的方法使用了RRT的变种，已被修改为单轨道运动学和改进，利用死端节点的全球规划。这使我们能够在非结构化环境中非常快速地计算全局路径。在第二步中，我们的基于MPC的本地规划器利用全局路径来计算车辆的轨迹，同时将动态障碍物，如行人和其他道路使用者。我们的方法已被证明在模拟和第一次现实生活中的测试，可以很容易地扩展到更复杂的行为。
2021-03-10 cs.RO
Disturbance Estimation and Rejection for High-Precision Multirotor Position Control
Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；Swiss Federal Institute of Technology (ETH) Zurich（苏黎世联邦理工学院）
许多多旋翼无人机系统应用都迫切需要在具有强动态外部干扰（如阵风或地面和墙壁效应）的环境中进行精确的位置控制。此外，为了使飞行时间最大化，小型多旋翼平台必须在有效载荷和计算性能的严格约束下运行。在本文中，我们提出了模型预测和PID多转子位置控制器的设计和实验比较增加了干扰估计器，以拒绝强风阵风高达12米/秒和地面效应。对于干扰估计，我们比较了扩展卡尔曼滤波和Unscented卡尔曼滤波。在广泛的室内和室外飞行测试中，我们评估了所开发的控制和估计算法在计算受限平台上运行的适用性。这允许得出结论，潜在的性能改进是否证明多转子位置控制的MPC和干扰估计的UKF的增加的计算复杂性是合理的。
2019-08-08 cs.RO
Nonlinear MPC for Quadrotors in Close-Proximity Flight with Neural Network Downwash Prediction
Beihang University（北京航空航天大学）
针对四旋翼近距离飞行中的下洗气流扰动问题，提出NDP-NMPC方法，通过谱归一化训练的神经网络预测扰动并融入非线性模型预测控制，实验显示高度跟踪误差降低75.37%。
2023-09-12 cs.RO
Optimal Control for Quadruped Locomotion using LTV MPC
Clemson University（克莱姆森大学）
本文提出基于单刚体模型和线性化方案的线性时变模型预测控制器，用于四足机器人运动控制，可执行多种步态并在未知扰动下跟踪参考轨迹，最高速度达1 m/s。
2023-10-16 cs.RO
Time-projection control to recover inter-sample disturbances, application to bipedal walking control
EPFL（洛桑联邦理工学院）
我们提出了一种新的步行控制器的基础上，3LP，一个3D模型的双足步行，是由三个双足模拟下降，摆动和躯干动力学。利用线性方程组和封闭形式的解决方案的3LP，所提出的控制器项目的中间状态的的控制器回到开始的阶段，为离散LQR控制器的设计。投影后，一个适当的控制策略是由这个LQR控制器产生，并在中间时间使用。投影控制器对干扰立即作出反应，与离散LQR控制器相比，它在恢复间歇性外部推力方面提供了优越的性能。进一步的闭环特征值和干扰抑制强度的分析表明，这种结构具有很强的稳定性。可行区域的分析也表明，所提出的控制器覆盖了最大可行状态集的大部分。它在计算上比模型预测控制器（MPC）快得多，但在无限范围内是最优的。
2018-01-07 cs.RO
Safe Learning of Locomotion Skills from MPC
Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所）；Technical University of Munich（慕尼黑工业大学）
本研究利用MPC作为专家并结合SafeDAGGER框架，安全地学习运动技能，相比行为克隆和标准DAGGER，训练失败更少且策略更鲁棒。
2024-07-16 cs.RO
Convex Geometric Trajectory Tracking using Lie Algebraic MPC for Autonomous Marine Vehicles
University of Michigan（密歇根大学）
本文针对非线性水动力与扰动下海洋航行器轨迹跟踪问题，提出李群上的凸误差状态 MPC，以二次规划实现高效实时控制并显著降低计算时间。
2023-12-09 cs.RO
ES-HPC-MPC: Exponentially Stable Hybrid Perception Constrained MPC for Quadrotor with Suspended Payloads
Worcester Polytechnic Institute（沃斯特理工大学）；University of California Berkeley（加州大学伯克利分校）
针对带悬挂载荷四旋翼空中运输的混合欠驱动控制与感知难题，提出融合ES-CLFs与CBFs的ES-HPC-MPC框架，经仿真与实实验证，可在缆索松弛-张紧切换等场景下保障稳定跟踪与感知约束满足。
2025-10-29 cs.RO cs.SY eess.SY
A Robust Tube-Based Smooth-MPC for Robot Manipulator Planning
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）
模型预测控制（MPC）在目标优化和约束满足方面表现出了很好的性能。然而，最优控制问题（OCP）在每个触发时刻的计算量大，导致状态采样到控制信号的严重延迟，限制了MPC在资源有限的机器人操作系统中复杂任务的应用。在本文中，我们提出了一种新的鲁棒管平滑MPC策略的非线性机器人机械手规划系统的干扰和约束。基于分段线性化和状态预测的控制策略，提高了控制过程的平滑性，优化了控制过程的延迟。通过推导系统真实状态与标称状态的偏差，可以预测当前时刻的下一个真实状态集。并以此状态集为初始条件，提前求解下一个最优控制问题，存储基于标称系统状态的最优控制，消除了时滞。此外，我们线性化的非线性系统与一个给定的上界的误差，减少了复杂的OCP和提高响应速度。基于管道MPC的理论框架，我们证明了控制策略是递归可行的，闭环稳定的约束和干扰。数值仿真结果验证了所设计的方法与传统MPC相比的有效性。
2021-03-17 cs.RO cs.SY eess.SY
MPC-Guided Safe Reinforcement Learning and Lipschitz-Based Filtering for Structured Nonlinear Systems
Delft University of Technology（代尔夫特理工大学）
本文提出结合MPC与RL的框架，通过安全控制边界和Lipschitz过滤器实现结构非线性系统的安全可控性。
2025-12-14 cs.RO cs.SY eess.SY
Shield Model Predictive Path Integral: A Computationally Efficient Robust MPC Approach Using Control Barrier Functions
Georgia Institute of Technology（佐治亚理工学院）；Massachusetts Institute of Technology（麻省理工学院）
模型预测路径积分（MPPI）控制是一种基于采样的模型预测控制，其模拟数千个轨迹并使用这些轨迹来在运行中合成最优控制。然而，在实践中，MPPI遇到的问题限制了其应用。例如，已经观察到，如果存在未建模的动态或环境干扰，则MPPI倾向于做出糟糕的决策，从而阻止其在安全关键应用中的使用。此外，MPPI使用的多线程模拟需要大量的板载计算资源，使得该算法无法在没有现代GPU的情况下使用。为了缓解这些问题，我们提出了一种新的（屏蔽MPPI）算法，提供了对不可预测的干扰的鲁棒性，并实现了实时规划，使用数量少得多的并行模拟常规CPU。新的盾牌MPPI算法进行了测试，在一个积极的自主赛车平台在仿真和使用实验。结果表明，所提出的控制器大大减少了违反约束的数量相比，国家的最先进的强大的MPPI变量和随机MPC方法。
2023-02-23 cs.RO cs.SY eess.SY
MPC for underactuated spacecraft control with a Lyapunov supervised physics-informed neural network correction layer
Politecnico di Torino（托斯纳理工学院）；Argotec S.R.L.（Argotec公司）
针对欠驱动航天器姿态控制，提出一种分层架构，结合非线性模型预测控制、物理信息神经网络和李雅普诺夫监督机制，在不确定性下降低稳态误差并保持鲁棒性。
2026-08-19 cs.RO cs.SY eess.SY
Model Predictive Control for Cooperative Docking Between Autonomous Surface Vehicles with Disturbance Rejection
Delft Center for Systems and Control（代尔夫特系统与控制中心）
本文提出基于模型预测控制的自主水面车辆协同对接方法，通过集中式控制策略实现更高效稳定的对接性能。
2025-12-08 cs.RO cs.SY eess.SY
ASAP-MPC: An Asynchronous Update Scheme for Online Motion Planning with Nonlinear Model Predictive Control
KU Leuven（KU Leuven（鲁汶大学））；Flanders Make
针对NMPC运动规划求解时间难以满足实时性的问题，本文提出ASAP-MPC异步更新框架，结合线性状态反馈实现轨迹无缝融合，并在四旋翼和卡车-拖车实验中验证其嵌入式适用性。
2024-03-13 cs.RO math.OC
Efficient Deep Learning of Robust, Adaptive Policies using Tube MPC-Guided Data Augmentation
Massachusetts Institute of Technology（麻省理工学院）
本文扩展 Tube MPC 引导的模仿学习数据增强框架，利用可在线估计的低维模型/环境表示训练多旋翼自适应位置与姿态控制策略，在约1.3小时内获得强风扰动下的高精度鲁棒策略。
2023-10-02 cs.AI cs.RO
Benchmarking Model Predictive Control and Reinforcement Learning Based Control for Legged Robot Locomotion in MuJoCo Simulation
本研究在MuJoCo仿真中对Unitree Go1四足机器人的MPC与RL控制器进行基准测试，发现RL抗干扰与能效优异但地形泛化弱，MPC则在大扰动恢复与关节控制分配上更优，为足式机器人控制策略选择提供了明确见解。
2025-01-28 cs.RO cs.SY eess.SY
TOAST: Trajectory Optimization and Simultaneous Tracking using Shared Neural Network Dynamics
Agency for Defense Development（国防发展局）；Ground Technology Research Institute（地面技术研究院）
神经网络越来越多地应用于模型预测控制器（MPC）中，以控制非线性动态系统。然而，MPC仍然提出了一个问题，即可实现的更新速率不足以应付模型的不确定性和外部干扰。在本文中，我们提出了一种新的控制方案，可以设计一个最佳的跟踪控制器使用的神经网络动态的MPC，使其有可能被应用为任何现有的基于模型的前馈控制器的即插即用扩展。我们还描述了我们的方法如何处理包含历史信息的神经网络，它不遵循一般形式的动态。所提出的方法进行评估，其在经典的控制基准与外部干扰的性能。我们还扩展了我们的控制框架，以应用于具有未知摩擦的激进自动驾驶任务。在所有的实验中，我们的方法优于比较方法的大幅度。我们的控制器也表现出较低的控制抖振水平，表明我们的反馈控制器不干扰MPC的最优命令。
2022-07-14 cs.RO cs.SY eess.SY
Think Fast, Plan Selectively: Adaptive Deliberation for Efficient Data-Driven MPC
本文提出Fast-TD-MPC，一个自适应路由框架，在快速策略执行与测试时规划间权衡，在103个连续控制任务中保持竞争力，推理加速约4倍，并在扰动下保持鲁棒性。
2026-10-01 cs.LG cs.RO
PPO-based Dynamic Control of Uncertain Floating Platforms in the Zero-G Environment
University of Luxembourg（卢森堡大学）
本文提出将PPO强化学习与MPC相结合的方法，用于零重力环境下浮动平台的动态控制，通过从MPC预测中学习来适应未建模动态和扰动，并在卢森堡大学Zero-G Lab的仿真与实验中验证了该方法的适应性和有效性。
2024-07-03 cs.AI cs.RO cs.SY
Safety-Aware Imitation Learning via MPC-Guided Disturbance Injection
Department of Electrical Engineering, Tsinghua University（电子工程系，清华大学）；Department of Electrical and Computer Engineering, University of Southern California（电气与计算机工程系，南加州大学）；Department of Aeronautics and Astronautics, Stanford University（航空与航天工程系，斯坦福大学）
提出MPC-SafeGIL方法，通过MPC引导的对抗性扰动注入增强模仿学习安全性，在四足、视觉导航和四旋翼实验中提升安全与任务性能。
2025-08-05 cs.RO
Sector Bounds for Vertical Cable Force Error in Cable-Suspended Load Transportation System
Beihang University（北京航空航天大学）；University of Science and Technology Beijing（北京科技大学）
本文研究双四旋翼协作运输缆索悬挂管道，提出力协调控制方案与干扰分离策略以解决推力不确定性与缆索力耦合问题，实现精确缆索力估计，并通过仿真和异构四旋翼实验验证了有效性。
2023-04-01 cs.RO
Interaction Dynamics MPC for Knee Rehabilitation Exoskeletons: A Closed-Loop SEA Outer-Loop Study
Department of Biomedical Engineering and Engineering Science（生物医学工程与工程科学系）
提出阻抗模型预测控制框架，结合卡尔曼扰动状态估计患者力矩，实现无偏移跟踪和辅助按需，在500 Hz下满足临床精度标准。
2026-09-29 cs.HC cs.NE cs.RO
Real-time motion planning and decision-making for a group of differential drive robots under connectivity constraints using robust MPC and mixed-integer programming
针对差分驱动机器人组成的多智能体系统，提出基于鲁棒MPC与混合整数规划的多速率分层控制结构，实现实时轨迹规划与任务分配，并确保通信网络始终鲁棒连通。
2022-05-31 cs.RO cs.SY eess.SY
Adaptive Koopman Model Predictive Control of Simple Serial Robots
German Research Center for Artificial Intelligence（德国人工智能研究中心）
本文提出自适应库普曼模型预测控制（KMPC），通过在线闭环反馈增量学习非线性系统动力学的线性表示，无需预先建模，并在1R和2R机器人上验证了其对力扰动和参数变化的泛化能力，优于静态KMPC和线性化MPC。
2025-07-02 cs.RO cs.SY eess.SY
Risk-Averse Receding Horizon Motion Planning for Obstacle Avoidance using Coherent Risk Measures
本文针对不确定动力学智能体在随机动态障碍物环境中的避障问题，提出基于相干风险度量的MPC方案，并设计航点跟随算法证明其递归可行性与有限时间任务完成保证。
2023-09-28 cs.RO cs.SY eess.SY
Dual-mode robust MPC for the tracking control of non-holonomoic mobile robots
针对存在有界扰动的非完整移动机器人的跟踪控制问题，提出了一种新的双模鲁棒模型预测控制（MPC）方法.为了减小扰动的负面影响，使实际系统的状态更接近标称系统的状态，在MPC的代价函数中引入了鲁棒参考信号。为了减少在线优化预测控制器的计算量，进一步提高跟踪精度，提出了一种由鲁棒预测控制器和局部非线性鲁棒控制器组成的双模控制结构，其中局部非线性鲁棒控制律应用于指定的终端区域。最后，非完整移动机器人的仿真结果表明所提出的控制方法的有效性。
2023-02-24 cs.RO
Auto-Multilift: Distributed Learning and Control for Cooperative Load Transportation With Quadrotors
National University of Singapore（新加坡国立大学）
针对多旋翼协同载荷运输的MPC需大量人工调参导致性能次优的问题，提出Auto-Multilift框架，用DNN建模MPC代价函数，结合基于分布式灵敏度传播的策略梯度算法训练，在多场景仿真中性能优于现有开环调参方法且具备良好可扩展性。
2024-10-07 cs.RO cs.SY eess.SY
Robustness Enhancement for Multi-Quadrotor Centralized Transportation System via Online Tuning and Learning
针对集中式多四旋翼协同运输系统，提出结合多神经网络与自适应律的自适应神经几何控制方法，可在线协同调优模型参数与网络权重，无需预训练或PE条件即可保证误差有界与系统稳定，提升了抗扰与模型不匹配场景下的鲁棒性。
2025-09-02 cs.RO cs.SY eess.SY
Tightly Joining Positioning and Control for Trustworthy Unmanned Aerial Vehicles Based on Factor Graph Optimization in Urban Transportation
The Hong Kong Polytechnic University（香港理工大学）
针对城市环境下无人机GNSS定位退化与风扰动控制难题，本文提出基于因子图优化的JPCM，将定位测量与MPC共同建模为因子以紧耦合定位和控制，并在仿真四旋翼上验证了轨迹跟随性能提升。
2023-10-04 cs.RO
AutoTrans: A Complete Planning and Control Framework for Autonomous UAV Payload Transportation
Hong Kong University of Science and Technology（香港科技大学）；Zhejiang University（浙江大学）；Sun Yat-Sen University（中山大学）
本文提出AutoTrans框架，通过考虑时变形状和非线性动力学的实时规划方法及带分层扰动补偿的自适应NMPC，解决悬挂载荷无人机自主运输中的规划与控制难题，实现高质量轨迹生成与精确跟踪。
2023-10-23 cs.RO
DA-VPC: Disturbance-Aware Visual Predictive Control Scheme of Docking Maneuvers for Autonomous Trolley Collection
DA-VPC通过结合主动红外标记和扩展状态观测器，实现了在复杂环境下的高精度推车对接控制。
2026-03-01 cs.RO
From Data to Safe Mobile Robot Navigation: An Efficient and Modular Robust MPC Design Pipeline
department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学）；Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague（信息学、机器人学与自动化研究所，布拉格技术大学）；Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院）
针对移动机器人导航中因扰动和测量噪声导致的安全问题，提出一种高效模块化的鲁棒 MPC 设计流水线，利用闭环实验数据估计扰动边界并合成鲁棒输出反馈 MPC，在 Gazebo 四旋翼仿真中验证了其鲁棒约束满足和递归可行性。
2025-08-09 cs.RO cs.SY eess.SY
A Robust Neural Control Design for Multi-drone Slung Payload Manipulation with Control Contraction Metrics
Flight Systems and Control Lab, Institute for Aerospace Studies, University of Toronto（飞行系统与控制实验室，航空航天研究学院，多伦多大学）
针对三无人机吊挂载荷运输系统的扰动下路径跟踪问题，提出结合CCM神经基线控制器与UDE扰动补偿的模块化鲁棒控制框架，理论证明稳定性并通过仿真验证复杂轨迹跟踪能力。
2025-10-01 cs.RO cs.SY eess.SY
