基于模型预测控制的多仿真方法用于安纳菲无人机

仿真框架对于机器人应用的安全开发至关重要。然而，机器人系统的不同组件往往最佳地在不同环境中进行仿真，这使得完全集成具有挑战性。这一点尤其适用于部分开放或闭源仿真器，这些仿真器常常存在两个局限性：(i) 无法通过诸如 ROS 之类的接口对场景中的行为者进行运行时控制，以及 (ii) 无法访问场景对象（如姿态、速度）的实时状态数据。在本文的第一部分，我们通过将安纳菲无人机在 Parrot 的 Sphinx 环境中仿真的无人机集成到 Gazebo 仿真器中来解决这些问题。我们的做法是在 Gazebo 环境中嵌入一个镜像无人机实例来桥接两个仿真器。一个关键应用是空中目标跟踪，这是一种常见的多机器人系统任务。然而，Parrot 的默认 PID 控制器缺乏对快速移动目标的灵活性。为克服这一问题，本文的第二部分开发了一个模型预测控制器 (MPC)，利用累积误差状态来提高跟踪精度。我们的 MPC 在动态场景中显著优于内置的 PID 控制器，提高了整个系统的有效性。我们通过将安纳菲无人机纳入现有的基于 Gazebo 的空中飞艇仿真中进行了所提集成框架的验证，并在仿真和实际环境中的实验中对 MPC 与自定义 PID 基线进行了严格测试。