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
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
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
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
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 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
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
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
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
Stable Transformer-Actor-Critic Model Predictive Control: A Contraction Analysis Approach
University of Cambridge(剑桥大学);University College London(伦敦大学学院);LAAS-CNRS(Laas--cnrs)
提出一种Transformer-Actor-Critic MPC架构,通过证明Transformer满足增量输入-状态稳定性并利用黎曼收缩理论分析互联动力学,将理论界作为训练正则化项,实现可证明鲁棒的控制策略。
2026-11-17 cs.RO
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
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
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
Interaction-Aware Trajectory Prediction for Safe Motion Planning in Autonomous Driving: A Transformer-Transfer Learning Approach
National University of Singapore(新加坡国立大学);Delft University of Technology(代尔夫特理工大学);Southeast University(东南大学)
针对自动驾驶中忽略人驾车辆交互的问题,提出基于Transformer-迁移学习的交互感知轨迹预测器,并引入不确定性量化方法,实验证明其有效提升安全运动规划。
2024-11-03 cs.RO
Trajectory Generation for Multiagent Point-To-Point Transitions via Distributed Model Predictive Control
University of Toronto(多伦多大学);Institute for Aerospace Studies(航空航天研究所);Dynamic Systems Lab(动态系统实验室)
提出了一种基于分布式模型预测控制的多智能体离线轨迹生成算法。该算法的可扩展性和成功的核心是按需避碰策略的发展。通过预测未来状态并与邻居共享这些信息,智能体能够在朝着目标前进的同时检测和避免冲突。所提出的算法可以以分布式的方式实现,并减少了超过85%的计算时间相比,以前的优化方法的基础上顺序凸规划,而只有一个小的影响的最优性的计划。该方法通过广泛的模拟和实验验证了多达25个四旋翼飞行器在密闭的室内空间。
2019-01-15 cs.MA cs.RO
TransformerMPC: Accelerating Model Predictive Control via Transformers
University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对实时机器人应用中MPC计算负担重的问题,提出TransformerMPC方法,利用Transformer注意力机制实现在线约束移除与热启动,可适配任意MPC求解器,经仿真验证运行时间最高提升35倍且无性能损失。
2024-09-14 cs.RO cs.SY eess.SY
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
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
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
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
Transformer-Based Model Predictive Path Integral Control
School of Mechanical Engineering(机械工程学院);Purdue University(普渡大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出TransformerMPPI,利用在历史数据上训练的Transformer生成初始均值控制序列,结合注意力机制与采样控制,提升了传统MPPI的样本效率与计算速度,在多种避障与竞速任务中表现更优。
2024-12-22 cs.RO cs.SY eess.SY
Transformers for Trajectory Optimization with Application to Spacecraft Rendezvous
Stanford University(斯坦福大学)
本文提出自主交会Transformer(ART),通过学习近最优策略为非凸最优控制问题提供热启动,在保证硬约束的同时提升了轨迹优化的燃料效率和计算速度。
2024-01-05 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
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
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
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
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
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
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
Social Navigation in Crowded Environments with Model Predictive Control and Deep Learning-Based Human Trajectory Prediction
University of Delaware(特拉华大学);Cornell University(康奈尔大学);Honda Research Institute USA, Inc.(美国本田研究院有限公司)
该研究提出将 Social-LSTM 行人轨迹预测与 MPC 规划耦合,在模拟人群中实现考虑多智能体交互的社会导航,并优于多种强化学习基线。
2023-09-28 cs.MA cs.RO
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
Transfer Learning Study of Motion Transformer-based Trajectory Predictions
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)(弗里德里希-亚历山大-埃尔朗根-纽伦堡大学)
本文基于Transformer轨迹预测模型开展仿真迁移学习研究,分析从仿真到现实及不同车辆、国家间差异下的模型自适应问题,并探讨计算时间与性能的权衡。
2024-08-07 cs.LG 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
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
MPPI-Generic: A CUDA Library for Stochastic Trajectory Optimization
Autonomous Control and Decision Systems Lab, Georgia Institute of Technology(自主控制与决策系统实验室,佐治亚理工学院)
MPPI-Generic是一种用于随机轨迹优化的CUDA库,提供多种模型预测控制算法,并支持自定义动态模型和成本函数,展示了其在GPU上的高效计算能力。
2026-11-13 cs.DC cs.MS cs.RO
Robust Trajectory Tracking Error Model-Based Predictive Control for Unmanned Ground Vehicles
Delft University of Technology(代尔夫特理工大学);University of Leuven (KU Leuven)(鲁汶大学)
提出了一种新的基于误差的鲁棒轨迹跟踪控制方法。基于轨迹跟踪误差模型设计了一种线性模型预测控制器,其控制作用与前馈和鲁棒控制作用相结合。实验结果表明,所提出的控制结构是能够让牵引车拖车系统跟踪直线和曲线的目标轨迹与低跟踪误差。
2021-03-31 cs.RO cs.SY eess.SY
Exploring Transformer-Augmented LSTM for Temporal and Spatial Feature Learning in Trajectory Prediction
University of Tennessee(田纳西大学)
本文提出一种结合LSTM与Transformer编码器的混合模型,用于车辆轨迹预测的时空特征学习,虽未超越现有LSTM方法,但展示了构建可解释预测模型的潜力。
2024-12-18 cs.CV cs.LG cs.RO
Holistic Transformer: A Joint Neural Network for Trajectory Prediction and Decision-Making of Autonomous Vehicles
Jilin University(吉林大学)
轨迹预测和行为决策是自动驾驶汽车的两项重要任务,需要对环境背景有很好的理解;通过参考轨迹预测的输出,可以更好地做出行为决策。然而,大多数当前的解决方案分别执行这两个任务。因此,一个联合神经网络,结合多种线索,提出并命名为整体Transformer预测轨迹,并作出行为决策的同时。为了更好地挖掘线索之间的内在关系,该网络利用已有知识,采用了三种注意力机制:稀疏多头机制,用于降低噪声影响;特征选择稀疏机制,用于优化利用部分先验知识;与其他弹道预测模型相比,该模型具有更好的综合性能和良好的可解释性。感知噪声鲁棒性实验表明,该模型具有良好的噪声鲁棒性。因此,结合多个线索的同时轨迹预测和行为决策可以降低计算成本并增强场景和代理之间的语义关系。
2022-06-17 cs.AI cs.LG cs.RO
Dynamic Intent Queries for Motion Transformer-based Trajectory Prediction
Robert Bosch GmbH(博世公司);Institute for Intelligent Systems(智能系统研究所);University of Augsburg(奥尔登堡大学)
本研究将场景特定的动态意图点集成到MTR模型中,以解决静态意图点与地图数据不对齐的问题,在Waymo数据集上显著提升了长时间范围的轨迹预测准确性。
2025-04-22 cs.AI cs.RO
Accelerating Trajectory Generation for Quadrotors Using Transformers
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
在这项工作中,我们解决的问题,在四旋翼轨迹生成的计算时间。大多数四旋翼航点导航的轨迹生成方法(例如最小突然/加加速度和最小时间)都被构造为双层优化。第一级涉及在所有输入航路点上分配时间,第二步是在该时间分配下最小化轨迹的急动/加加速度。这样的优化求解起来可能在计算上是昂贵的。在我们的方法中,我们把轨迹生成作为一个监督学习的输入和输出之间的顺序设置的问题。我们采用一个Transformer模型来学习给定输入航路点集合的最优时间分配,从而使其成为单步的优化。我们展示了Transformer模型的性能,通过训练它来预测最小快照轨迹生成器的时间分配。与前馈网络(FFN)相比,经过训练的Transformer模型能够以更少的数据样本和更小的模型大小预测准确的时间分配,这表明它能够对路点导航问题的顺序性质进行建模。
2023-03-27 cs.RO cs.SY eess.SY
ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace
Institute of Visual Computing, Graz University of Technology(视觉计算研究所,格拉茨技术大学)
本文提出ASCENT模型,通过轻量级Transformer架构实现多模态3D飞机轨迹预测,结合领域感知的3D坐标归一化和参数化预测,实验表明其在TrajAir和TartanAviation数据集上优于现有方法。
2026-03-17 cs.RO
Spatio-Temporal Graph Transformer Networks for Pedestrian Trajectory Prediction
SenseTime Research(商汤科技研究院);National University of Singapore(新加坡国立大学)
了解人群运动动态对于现实世界的应用至关重要,例如,监控系统和自动驾驶。这是具有挑战性的,因为它需要有效地建模的社会意识人群的空间互动和复杂的时间依赖性。我们认为注意力是轨迹预测的最重要因素。在本文中,我们提出了STAR,时空grAph Transformer框架,它只处理注意力机制的轨迹预测。STAR通过TGConv(一种新的基于Transformer的图卷积机制)对图内人群交互进行建模。图间的时间依赖性由单独的时间Transformers建模。STAR通过在空间和时间Transformers之间交错来捕获复杂的时空交互。为了校准消失的行人的长期影响的时间预测,我们引入了一个可读写的外部存储器模块,不断更新的时间Transformer。我们表明,只有注意力机制,STAR实现了最先进的性能5常用的现实世界的行人预测数据集。
2020-07-24 cs.CV cs.LG cs.RO
Trajectory Prediction for Autonomous Driving Using a Transformer Network
University of Macau(澳门大学);School of Transportation, Southeast University(东南大学交通学院)
本文提出基于Transformer的多模态轨迹预测框架,利用语义地图提取上下文信息,并引入惩罚偏离道路预测的辅助损失,在Lyft l5kit数据集上取得最先进性能。
2024-02-26 cs.RO
RankFormer: A Propose-then-Select Transformer for Multi-Agent Multimodal Trajectory Prediction
本文提出一种基于Transformer的多模态车辆轨迹预测模型,通过分离空间模块和轨迹生成模块提升预测性能,并通过预测残差偏移学习有序轨迹。
2026-08-12 cs.AI cs.LG cs.RO
Vehicle Trajectory Prediction based Predictive Collision Risk Assessment for Autonomous Driving in Highway Scenarios
本文提出一种基于CSP-GAN-LSTM轨迹预测模型的高速公路自动驾驶碰撞风险评估方法,结合TTC和MDM构建时间连续风险函数,并在公开数据集和仿真中验证了其优于SOTA方法的预测精度与评估有效性。
2023-04-12 cs.RO
Transformer based trajectory prediction
Sberbank Robotics Laboratory(Sberbank 机器人实验室);Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
为了规划一条安全有效的路线,自动驾驶汽车需要预测周围其他智能体的未来运动,运动预测是一项极具挑战性的任务,近年来受到了研究界的广泛关注。在这项工作中,我们提出了一个简单而强大的基线不确定性感知运动预测的基础上纯粹的Transformer神经网络,这表明其有效性域变化的条件。在易于实现的同时,所提出的方法实现了具有竞争力的性能,并在2021年换档车辆运动预测竞赛中排名1 $^{st}$。
2021-12-08 cs.CV cs.RO
Target-point Attention Transformer: A novel trajectory predict network for end-to-end autonomous driving
University of Electronic Science and Technology of China(电子科技大学)
本文提出了一种基于Transformer的端到端无规则自动驾驶轨迹预测网络TAT,通过注意力机制实现预测轨迹与感知特征及目标点的交互,在CARLA模拟器中显著降低事故率并提高路线完成率,达到最先进性能。
2023-08-03 cs.RO
Multi 3D Camera Mapping for Predictive and Reflexive Robot Manipulator Trajectory Estimation
University of Oslo(奥斯陆大学);Oslo University Hospital(奥斯陆大学医院)
随着技术的进步,机器人操纵器和视觉环境传感器变得越来越便宜和广泛。然而,机器人控制仍然是更好地适应这些技术的一个限制因素。机器人操作器在结构化的机器人中表现得很好,但不能很好地适应意外的变化,比如人们进入工作空间。我们提出了一种方法,结合3D摄像机的工作空间映射,和一个预测和自反的机器人操作器的轨迹估计,以允许更有效和更安全的操作在动态仿真。在一个真正的UR5机器人的实验中,我们的方法已被证明可以提供更短,更平滑的轨迹相比,反应轨迹规划器在相同的条件下。此外,机器人通过初始化自反运动成功地避免了任何接触,即使当障碍物意外接近机器人时也是如此。我们工作的主要目标是使操作在非结构化动态调度中更加灵活,不仅要避开障碍物,还要在不久的将来与人类执行协作任务时进行适应。
2016-10-12 cs.RO
Crossfusor: A Cross-Attention Transformer Enhanced Conditional Diffusion Model for Car-Following Trajectory Prediction
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Texas A&M University(德克萨斯农工大学)
针对现有车辆轨迹预测模型忽略精细跟车行为与车际交互的问题,提出融合GRU、位置注意力、傅里叶嵌入与交叉注意力transformer的条件扩散模型Crossfusor,在NGSIM数据集上尤其是长期预测中优于现有最优模型。
2024-06-17 cs.AI cs.LG cs.RO