Inherently robust suboptimal MPC for autonomous racing with anytime feasible SQP
作者: Logan Numerow, Andrea Zanelli, Andrea Carron, Melanie N. Zeilinger
分类: math.OC, cs.RO
发布日期: 2024-01-04
💡 一句话要点
提出高效的鲁棒性次优模型预测控制以解决自主赛车问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 自主驾驶 序列二次规划 鲁棒控制 高效算法 微型赛车 实时控制
📋 核心要点
- 现有的模型预测控制方法在处理自主赛车时，往往面临计算开销大和鲁棒性不足的问题。
- 本文提出了一种基于可行SQP的次优模型预测控制策略，能够在保证可行性的同时降低计算复杂度。
- 实验结果显示，该方法在仿真和实际微型赛车实验中均表现出显著的性能提升，计算速度远超传统方法。
📝 摘要（中文）
近年来，随着对高性能控制器在自主驾驶等应用中的需求增加，针对特定控制问题的优化算法得到了发展。本文提出了一种高效的不精确模型预测控制（MPC）策略，专为自主微型赛车设计，具备内在的鲁棒性。我们依赖于可行的序列二次规划（SQP）算法，能够生成可行的中间迭代解，使得求解器可以在任意迭代次数后停止，而不会影响递归可行性。通过适当的假设，我们证明了在小扰动影响下，递归可行性是可以保证的。通过仿真和物理实验验证了该策略的有效性，结果表明，与早期终止的策略相比，使用可行的SQP方法可以在适度的计算开销下获得可行解，同时显著快于现有的Ipopt求解器。
🔬 方法详解
问题定义：本文旨在解决自主赛车中的模型预测控制（MPC）问题，现有方法通常需要大量计算资源，且在动态扰动下鲁棒性不足。
核心思路：提出了一种基于可行SQP的次优MPC策略，允许在任意迭代次数后停止求解，确保解的可行性，降低计算负担。
技术框架：整体架构包括可行SQP算法的实现，迭代求解过程中的中间解生成，以及对系统动态的扰动处理模块。
关键创新：最重要的创新在于引入了可行SQP算法，使得求解器能够在不影响递归可行性的前提下，灵活停止求解，获得次优解。
关键设计：在设计中，设置了适当的终端集假设，并考虑了系统的可控性特性，以确保在小扰动下的递归可行性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，使用可行SQP方法能够在适度的计算开销下获得可行解，相较于传统的早期终止策略，性能提升显著。具体而言，该方法在计算速度上比现有的Ipopt求解器快得多，展示了其在实际应用中的优势。
🎯 应用场景
该研究的潜在应用领域包括自主驾驶、无人机控制和机器人竞赛等高动态环境中的实时控制系统。其高效的控制策略能够在复杂环境中实现更好的性能，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
In recent years, the increasing need for high-performance controllers in applications like autonomous driving has motivated the development of optimization routines tailored to specific control problems. In this paper, we propose an efficient inexact model predictive control (MPC) strategy for autonomous miniature racing with inherent robustness properties. We rely on a feasible sequential quadratic programming (SQP) algorithm capable of generating feasible intermediate iterates such that the solver can be stopped after any number of iterations, without jeopardizing recursive feasibility. In this way, we provide a strategy that computes suboptimal and yet feasible solutions with a computational footprint that is much lower than state-of-the-art methods based on the computation of locally optimal solutions. Under suitable assumptions on the terminal set and on the controllability properties of the system, we can state that, for any sufficiently small disturbance affecting the system's dynamics, recursive feasibility can be guaranteed. We validate the effectiveness of the proposed strategy in simulation and by deploying it onto a physical experiment with autonomous miniature race cars. Both the simulation and experimental results demonstrate that, using the feasible SQP method, a feasible solution can be obtained with moderate additional computational effort compared to strategies that resort to early termination without providing a feasible solution. At the same time, the proposed method is significantly faster than the state-of-the-art solver Ipopt.