PlanNetX: Learning an Efficient Neural Network Planner from MPC for Longitudinal Control

📄 arXiv: 2404.18863v2 📥 PDF

作者: Jasper Hoffmann, Diego Fernandez, Julien Brosseit, Julian Bernhard, Klemens Esterle, Moritz Werling, Michael Karg, Joschka Boedecker

分类: cs.RO, math.OC

发布日期: 2024-04-29 (更新: 2024-05-22)

备注: 6th Annual Learning for Dynamics & Control Conference (L4DC 2024)

💡 一句话要点

提出PlanNetX以解决MPC在嵌入式设备上的计算复杂性问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 模型预测控制 神经网络 自主驾驶 轨迹规划 嵌入式系统 模仿学习 控制策略

📋 核心要点

  1. 现有的模型预测控制（MPC）方法在嵌入式设备上面临计算复杂性的问题，尤其是在需要保证固定控制频率时。
  2. 本研究提出了一种新颖的神经网络架构PlanNetX，直接学习MPC的整个规划轨迹，而非仅仅近似其策略。
  3. 实验结果表明，所提出的方法在学习开环MPC轨迹的准确性上表现优异，并且在闭环控制性能上超越了行为克隆等基线方法。

📝 摘要（中文）

模型预测控制（MPC）是一种强大的基于优化的动态系统控制方法。然而，在线优化的计算复杂性在嵌入式设备上可能成为问题，尤其是在需要保证固定控制频率时。以往的研究通过模仿学习（IL）使用神经网络近似MPC策略来减轻计算负担。本研究则学习MPC的整个规划轨迹，提出了一种新颖的神经网络架构PlanNetX及基于状态轨迹的简单损失函数，利用MPC的参数化最优控制结构。我们在自主驾驶的背景下验证了该方法，通过在CommonRoad模拟器中使用合成场景和真实数据派生的场景进行广泛基准测试，结果表明我们能够高精度地学习开环MPC轨迹，同时在闭环控制策略上优于行为克隆等其他基线。

🔬 方法详解

问题定义：本论文旨在解决模型预测控制（MPC）在嵌入式设备上因在线优化导致的计算复杂性问题。现有方法通常依赖模仿学习来近似MPC策略，但在实时控制中仍存在性能瓶颈。

核心思路：论文提出通过学习MPC的整个规划轨迹来减轻计算负担，设计了一种新颖的神经网络架构PlanNetX，并结合简单的损失函数，利用MPC的参数化最优控制结构来提升控制性能。

技术框架：整体架构包括数据收集、神经网络训练和控制策略执行三个主要模块。首先，通过模拟器生成合成场景和真实数据，接着训练PlanNetX以学习MPC轨迹，最后在闭环控制中应用学习到的策略。

关键创新：最重要的技术创新在于直接学习MPC的规划轨迹，而非仅仅近似其控制策略。这一方法显著提高了控制的准确性和稳定性。

关键设计：在损失函数设计上，论文采用基于状态轨迹的简单损失，确保网络学习到的轨迹与MPC的最优轨迹高度一致。此外，PlanNetX的网络结构经过精心设计，以适应动态系统的控制需求。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，PlanNetX在学习开环MPC轨迹的准确性上达到了高水平，同时在闭环控制性能上相较于行为克隆等基线方法有显著提升，具体性能数据未提供，但提升幅度明显。

🎯 应用场景

该研究的潜在应用领域包括自主驾驶、机器人控制和智能交通系统等。通过提高控制策略的效率和准确性，PlanNetX能够在资源受限的嵌入式设备上实现更高效的动态系统控制，推动智能交通和自动化技术的发展。

📄 摘要（原文）

Model predictive control (MPC) is a powerful, optimization-based approach for controlling dynamical systems. However, the computational complexity of online optimization can be problematic on embedded devices. Especially, when we need to guarantee fixed control frequencies. Thus, previous work proposed to reduce the computational burden using imitation learning (IL) approximating the MPC policy by a neural network. In this work, we instead learn the whole planned trajectory of the MPC. We introduce a combination of a novel neural network architecture PlanNetX and a simple loss function based on the state trajectory that leverages the parameterized optimal control structure of the MPC. We validate our approach in the context of autonomous driving by learning a longitudinal planner and benchmarking it extensively in the CommonRoad simulator using synthetic scenarios and scenarios derived from real data. Our experimental results show that we can learn the open-loop MPC trajectory with high accuracy while improving the closed-loop performance of the learned control policy over other baselines like behavior cloning.