Combining Social Force Model with Model Predictive Control for Vehicle's Longitudinal Speed Regulation in Pedestrian-Dense Scenarios
在密集的交通场景中，自动驾驶车辆可能必须安全地穿过一群行人，同时车辆试图尽可能保持期望的速度。这需要一个可以预测人群行人运动的模型，以及一种用于车辆预测性地调整其速度的方法。在这项研究中，基于模型的预测控制（MPC）与基于社会力的车辆-人群交互（VCI）模型相结合，以调节自动驾驶汽车的纵向速度。VCI模型的预测特性可以被MPC精确地利用。设计了一个同时保证行人安全和保持期望速度的准则，将MPC转化为标准二次规划（quadratic programming，QP）问题，并利用标准QP工具箱进行求解。将该方法与传统的比例-积分-微分（PID）控制方法进行纵向速度调节比较。在仿真中对不同行人密度的场景进行了评估。结果证明了所提出的方法解决此类问题的优点。它还显示了扩展的方法，以解决更复杂的车辆-行人相互作用的情况下的潜力。
2019-07-11 cs.SY eess.SY
Risk-Aware MPC for Stochastic Systems with Runtime Temporal Logics
本文针对运行时动态分配时序逻辑规范的随机系统，提出一种可证明正确的风险感知模型预测控制方案，在保证既有规范满足的前提下动态评估并满足新规范，并通过机器人运动规划案例验证。
2024-04-30 cs.LO cs.SY eess.SY
Conformal Quantitative Predictive Monitoring of STL Requirements for Stochastic Processes
University of Trieste（的里雅斯特大学）；King’s College London（伦敦国王学院）
本文提出定量预测监控（QPM），首个支持随机过程与STL规范的预测监控方法，通过共形分位数回归高效预测具有概率保证的STL鲁棒性区间，并能组合处理复合公式，在四个离散时间随机过程基准上验证了有效性与可扩展性。
2023-04-06 cs.LG cs.LO cs.RO
Combining Belief Function Theory and Stochastic Model Predictive Control for Multi-Modal Uncertainty in Autonomous Driving
针对自动驾驶中交通参与者意图不确定带来的多模态不确定性问题，提出结合信念函数理论与随机模型预测控制的轨迹规划方法，通过信念转概率转换和约束收紧机制平衡安全与保守性，仿真验证优于现有方法。
2024-02-02 cs.SY eess.SY
Effective GPU Parallelization of Distributed and Localized Model Predictive Control
模型预测控制（MPC）要对大规模分布式系统进行有效的在线控制，必须快速求解底层的高维优化问题。文献中应用了多种技术来加速求解过程，主要归功于基于软件的算法进步和硬件辅助计算增强。然而，这些方法专注于算术加速，而忽略了底层系统结构的好处。特别地，现有的解耦的软件-硬件算法设计通过硬件简单地并行化算术运算，并不以原则性的方式解决诸如CPU-GPU和线程到线程通信的硬件开销。此外，并行子问题分解在分布式MPC的优势没有得到很好的认识和利用。因此，我们还没有充分发挥MPC硬件加速的潜力。在本文中，我们探索这些机会，利用GPU并行化的分布式和本地化的MPC（DLMPC）算法。我们利用嵌入在DLMPC制定的局部约束，以减少硬件固有的通信开销。我们的并行实现在各种参数下的运行速度比CPU同行快50倍。此外，我们发现，本地感知的GPU并行化可以减半的优化运行时间相比，天真的加速。总的来说，我们的研究结果表明，考虑到信息交换结构的软硬件协同设计带来的性能增益。
2021-03-27 cs.DC cs.SY eess.SY
Learning When to Drive in Intersections by Combining Reinforcement Learning and Model Predictive Control
Zenuity AB（泽纽蒂公司）；Chalmers University of Technology（查尔姆斯理工大学）；AI Innovation of Sweden（瑞典人工智能创新中心）
在本文中，我们提出了一个决策算法，旨在自动车辆谈判与其他可能的非自动车辆在十字路口。决策算法分为两个部分：基于强化学习的高层决策模块和基于模型预测控制的底层规划模块。交通模拟与许多预定义的驾驶员的行为和意图，和所提出的决策算法的性能进行了评估对另一个控制器。结果表明，所提出的决策算法产生更短的训练集和提高性能的成功率相比，其他控制器。
2019-08-01 cs.AI cs.LG cs.RO
Economic Nonlinear Model Predictive Control for Microgrids with Generator Up and Downtime Constraints
CERN（欧洲核子研究组织）；Freiburg University（弗赖堡大学）；Heidelberg University（海德堡大学）；Siemens AG（西门子股份公司）
针对含离散决策变量的微电网多阶段最优潮流问题，提出用凸二次近似替代非线性AC潮流方程，并引入附加时间耦合约束保证递归可行性，实现经济NMPC的稳定控制。
2026-05-26 cs.SY eess.SY math.OC
Bi-level Model Predictive Control for Energy-aware Integrated Product Pricing and Production Scheduling
本文提出一种双层模型预测控制框架，联合优化产品定价与生产调度，利用价格弹性在可再生能源充足时降价增需，从而降低电网成本并提高利润。
2025-07-18 cs.SY eess.SY
Online Adaptive Learning for Runtime Resource Management of Heterogeneous SoCs
Arizona State University（亚利桑那州立大学）；Washington State University（华盛顿州立大学）；Intel Corporation（英特尔公司）
由于低功耗和高性能的要求，动态资源管理已成为现代计算机和通信系统设计的主要研究领域之一。集成核心的数量、异构程度和控制旋钮的数量稳步增加。因此，系统复杂性的增长速度超过了我们优化和动态管理资源的能力。此外，离线方法是次优的，由于工作负载的变化和大量的新的应用程序在设计时未知的。本文首先回顾了最近用于预测系统性能、功率和温度的在线学习技术。然后，我们描述了使用预测模型在线控制使用两种现代方法：模仿学习（IL）和显式非线性模型预测控制（NMPC）。商业移动平台上的16个基准测试结果表明，IL方法成功地适应控制策略未知的应用程序。与现代GPU子系统的多变量电源管理的最先进算法相比，显式NMPC可节省25%的能源。
2020-08-22 cs.AI cs.DC cs.LG
A Hybrid End-to-End and Modular Control Architecture Toward Safe Vehicle Lateral Control: Combining Soft Actor-Critic with Model Predictive Control
本文提出结合SAC与MPC的混合控制架构，在多实验中验证其兼具SAC跟踪性能与MPC安全约束，可减弱分布偏移下的失效，还讨论了相关局限性与改进方向。
2026-08-19 cs.SY eess.SY
Combining model-predictive control and predictive reinforcement learning for stable quadrupedal robot locomotion
针对四足机器人稳定步态生成问题，提出MPC与预测RL结合的混合控制器，以神经网络Q函数作为末端代价降低短时域计算负担，并实现无需预训练的实时稳定运动。
2023-07-15 cs.AI cs.RO cs.SY
Safe-by-Design: Approximate Nonlinear Model Predictive Control with Real Time Feasibility
University of Stuttgart（斯图加特大学）；Northeastern University（东北大学）
本文提出一种计算轻量、预测时域无穷小的连续时间滚动时域非线性MPC方法，通过小规模凸QP实现反馈，兼具准无限时域MPC的理论保证与实时可行性，并在非线性约束航天器控制中验证了有效性。
2026-09-09 cs.SY eess.SY math.OC
Safety-Guaranteed Imitation Learning from Nonlinear Model Predictive Control for Spacecraft Close Proximity Operations
Space Applications Group, e:fs TechHub GmbH（空间应用组，e:fs科技枢纽 GmbH）；Faculty of Electrical Engineering and Information Technology, Ingolstadt University of Applied Sciences（电气工程与信息科技学院，因戈尔施塔特应用技术大学）
本文提出了一种安全保证且运行高效的航天器近距离控制模仿学习框架，结合控制屏障函数和控制李雅普诺夫函数，通过非线性模型预测控制专家生成安全轨迹，训练神经策略并减少安全干预，最终在高保真模拟器中验证了方法的有效性。
2026-03-19 cs.RO cs.SY eess.SY
Explicit Distributed and Localized Model Predictive Control via System Level Synthesis
提出了一种适用于结构线性系大系统的显式模型预测控制算法。我们的结果基于分布式和本地化模型预测控制（DLMPC），一个闭环模型预测控制方案的基础上的系统级综合（SLS）框架，其中只有本地的状态和模型信息需要交换子系统之间的计算和实施的控制动作。我们提供了一个明确的解决方案，从分布式MPC计划所产生的每个子问题。我们表明，给定的问题的可分性，明确的解决方案只分为三个区域，每个状态和输入实例，使点定位问题非常有效。此外，由于局部性约束，子问题的维数远小于完整的问题，这显着减少了显式解决方案的计算开销。最后，我们用数值模拟来证明我们的方法的计算优势，其中，我们显示了一个很大的改善，在运行时间每MPC迭代计算的结果相比，在线求解器的优化。
2020-05-28 cs.SY eess.SY math.OC
Stability of Constrained Adaptive Model Predictive Control Algorithms
University of Bayreuth（拜罗伊特大学）；Curtin University of Technology（科廷科技大学）
针对无终端约束的MPC，提出一种自适应优化时域策略以保证闭环稳定性和次优性，并给出稳定性证明及简单缩短/延长方法。
2011-05-17 cs.SY eess.SY math.OC
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
Polygonal Obstacle Avoidance Combining Model Predictive Control and Fuzzy Logic
RPTU University Kaiserslautern-Landau（凯泽斯劳滕-兰道RPTU大学）
本文针对占据栅格地图与MPC连续可微约束不兼容的问题，提出将障碍物表示为多边形半空间交集，并利用模糊逻辑将包含逻辑算子的避障约束转化为标准MPC不等式约束，成功在仿真中实现了轨迹规划。
2025-07-14 cs.RO cs.SY eess.SY
Combining system identification with reinforcement learning-based MPC
在本文中，我们提出和比较的方法结合系统辨识（SYSID）和强化学习（RL）的背景下，数据驱动的模型预测控制（MPC）。假设受控系统的模型结构已知，并考虑参数MPC，所提出的方法同时：a）使用RL学习MPC的参数以优化性能，以及b）使用SYSID拟合观察到的模型行为。六种方法，避免两个优化目标之间的冲突，提出并评估使用一个简单的线性系统。根据仿真结果，分层，平行投影，零空间投影，奇异值投影取得了最好的性能。
2020-04-07 cs.SY eess.SY
Classical Model Predictive Control of a Permanent Magnet Synchronous Motor
Technische Universität München（慕尼黑工业大学）
提出一种基于差分平坦、连续参数化和线性规划的次优模型预测控制方案，通过动态弱磁处理电压限制，实现快速平滑的转矩动态并提高高速运行时的功率效率。
2012-12-28 cs.SY eess.SY math.OC
Tube-Based Model Predictive Control with Random Fourier Features for Nonlinear Systems
HUN-REN Institute for Computer Science and Control (SZTAKI)（匈牙利科学院计算机与控制研究所）；University of Michigan, Ann Arbor（密歇根大学）；Budapest University of Technology and Economics（布达佩斯技术与经济大学）
本文提出一种结合随机傅里叶特征与管式MPC的方法，用于非线性系统的鲁棒模型预测控制，有效减少管大小并提升实时性能。
2025-11-20 cs.SY eess.SY
Robust Helicopter Ship Deck Landing With Guaranteed Timing Using Shrinking-Horizon Model Predictive Control
German Aerospace Center (DLR)（德国航空航天中心（DLR））；Leuphana University of Lueneburg（吕讷堡莱普哈纳大学）
本文提出了一种基于SHMPC的高效算法，实现鲁棒直升机在移动舰船甲板上的着陆，确保时间约束和高精度着陆性能。
2026-02-26 cs.RO cs.SY eess.SY
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
Sinkhorn MPC: Model predictive optimal transport over dynamical systems
我们考虑的最优控制问题，引导代理人口的一个所需的分布在一个无限的地平线。这是一个动力系统上的最优输运问题，由于其高计算成本而具有挑战性。在本文中，我们提出了Sinkhorn MPC，这是一个动态传输算法结合模型预测控制和所谓的Sinkhorn算法。所提出的方法的显着特点是，它实现了具有成本效益的实时运输，同时进行控制和运输规划。特别地，对于具有能量消耗的线性系，我们揭示了Sinkhorn MPC的基本性质，如最终有界性和渐近稳定性。
2022-03-16 cs.SY eess.SY math.OC
Policy Optimization for Unknown Systems using Differentiable Model Predictive Control
ETH Zürich（苏黎世联邦理工学院）；Inspire AG（Inspire公司）；Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室）
本文提出结合可微优化与零阶优化的新型策略优化框架，用于未知系统中的MPC策略优化，提升瞬态性能并保持收敛性。
2026-04-20 cs.SY eess.SY math.OC
VisioPath: Vision-Language Enhanced Model Predictive Control for Safe Autonomous Navigation in Mixed Traffic
System Engineering Program, Cornell University（Cornell大学系统工程项目）；School of Civil and Environmental Engineering, Cornell University（Cornell大学土木与环境工程学院）；School of Electrical and Computer Engineering, Cornell University（Cornell大学电气与计算机工程学院）
VisioPath结合视觉-语言模型与模型预测控制，利用鸟瞰视频和零样本VLM获取周围车辆信息，构建椭圆避碰势场并集成到最优控制中，通过微分动态规划求解，在SUMO仿真中优于传统MPC，实现安全轨迹规划。
2025-07-08 cs.RO cs.SY eess.SY
Closing the Loop on Runtime Monitors with Fallback-Safe MPC
Stanford University（斯坦福大学）
本文提出结合鲁棒MPC与共形预测校准运行时监视器的框架，在感知退化时维持回退计划可行性，以极少样本实现新环境中感知使能系统的端到端安全认证。
2023-09-18 cs.RO cs.SY eess.SY
Learning based Predictive Error Estimation and Compensator Design for Autonomous Vehicle Path Tracking
National Key Lab of Vehicular Transmission, School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院车辆传动国家重点实验室）
模型预测控制（MPC）由于其处理各种类型的约束的能力而被广泛用于自主车辆的路径跟踪。然而，由于数学模型的误差或模型的线性化，存在着相当大的预测误差。在本文中，我们提出了一个框架，结合MPC与基于学习的误差估计器和前馈补偿器，以提高路径跟踪精度。一个极端的学习机来估计基于模型的预测误差，从车辆状态反馈信息。离线训练数据是从由模型缺陷的规则MPC控制的车辆中收集的，用于分别在几种工况下的路径跟踪。数据包括车辆状态以及当前实际位置与相应预测位置之间的空间误差。根据预测误差的估计值，设计了基于PID的前馈补偿器。通过Carsim的仿真结果表明，预测误差的估计精度和所提出的框架的自动驾驶汽车的路径跟踪的有效性。
2020-07-18 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
Robust output feedback model predictive control using online estimation bounds
我们提出了一个框架，设计非线性鲁棒输出反馈模型预测控制（MPC）计划，确保约束条件下的噪声输出测量和干扰的满意度。我们提供了新的估计方法来约束估计误差的大小的基础上：稳定性的观察员;可检测性;集员估计;滚动时域估计（MHE）。鲁棒约束满足保证适当地将这些在线验证的边界上的估计误差在一个位似管的MPC制定。此外，我们展示了如何通过将MHE和MPC结合在单个优化问题中来进一步提高性能。该框架适用于一般类的可检测和（增量）稳定的非线性系统。虽然标准的输出反馈MPC计划使用离线计算的最坏情况下的估计误差的界限，所提出的框架利用在线验证的界限，从而减少保守性和提高性能。我们证明了减少保守性的建议框架使用非线性10状态四旋翼的例子。
2021-05-07 cs.SY eess.SY math.OC
Fast Non-Parametric Learning to Accelerate Mixed-Integer Programming for Online Hybrid Model Predictive Control
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
当今快速的线性代数和数值优化工具已经将模型预测控制（MPC）的前沿推向了高度非线性和混合系统的有效控制。混合MPC领域已经证明可以计算精确的最优控制规律，例如，在分段仿射（PWA）系统模型下，采用混合整数规划（MIP）方法求解。尽管有优雅的理论，在线求解混合MPC仍然是遥不可及的许多应用。我们的目标是通过结合混合MPC（一种简单而有效的学习算法）的几何见解和MIP热启动技术来加速MIP。在近似显式MPC的工作线之后，所提出的学习控制算法LNMS以很小的成本获得了MIP的计算优势，并且对于从业者来说是直接实现的。
2020-05-07 cs.LG cs.SY eess.SY
