LLA-MPC在嵌入式硬件上的实现：数千并行模型的快速自适应控制
LLA-MPC on Embedded Hardware: Rapid Adaptive Control with Thousands of Parallel Models
浏览论文内容
中文总结 AI 辅助
提出LLA-MPC的通用实现，在嵌入式硬件上通过并行评估数千候选模型实现快速自适应控制，并在F1TENTH平台上验证其在高难度跟踪任务中的有效性。
中文摘要 AI 辅助
我们提出了Look-Back和Look-Ahead自适应模型预测控制（LLA-MPC）的一种通用实现，这是一个无需学习的框架，用于实时、快速的自适应系统辨识和控制。原始公式仅在仿真中演示，用于具有固定模型结构的自主赛车。我们的实现具有模块化动力学和积分器，并在F1TENTH平台上进行了验证，该平台在计算受限和状态估计有噪声的条件下运行。该系统通过实时评估嵌入式计算机上的数千个候选模型来在线辨识轮胎参数。在低摩擦轮胎和变化路面的实验中，LLA-MPC完成了固定标称模型无法完成的高速跟踪任务。代码、视频和相关工作可在以下网址获取：此https URL。
英文摘要
We present a generalized implementation of Look-Back and Look-Ahead Adaptive Model Predictive Control (LLA-MPC), a learning-free framework for real-time, rapid adaptive system identification and control. The original formulation was demonstrated only in simulation, for autonomous racing with a fixed model structure. Our implementation has modular dynamics and integrators, and we validate it on the F1TENTH platform under constrained computation and noisy state estimation. The system identifies tire parameters online by evaluating thousands of candidate models in real time on an embedded computer. Experiments with low-friction tires across changing surfaces show that LLA-MPC completes high-speed tracking tasks where a fixed nominal model fails. Code, videos, and our related work are available at: https://lla-control.github.io.
发表机构
- Carnegie Mellon University（卡内基梅隆大学）
机构由 AI 辅助整理，请以论文原文为准。
