操控极限下的自适应轨迹规划与优化
机器人学
2019-12-11 v4
摘要
本文中，我们解决了车辆在局部变化的附着极限下、存在突然出现的障碍物时的轨迹规划与控制问题。我们采用自适应模型预测控制的思想，对由局部附着条件施加的轮胎力约束进行运行时自适应。为求解具有此类时变约束的实时控制综合优化问题，我们提出了一种基于实时迭代序列二次规划（RTI-SQP）的新数值格式，称之为采样增强自适应 RTI（SAA-RTI）。传统 RTI-SQP 的采样增强为优化过程的热启动提供了额外的可行候选轨迹。因此，所提 SAA-RTI 算法实现了实时约束自适应并降低了对局部极小值的敏感性。通过大量数值仿真，我们证明了与非自适应等效控制方案以及传统规划与跟踪方法相比，我们的方法提升了车辆在具有未预见障碍物和局部变化附着力的场景中避免事故的能力。
引用
@article{arxiv.1903.04240,
title = {Adaptive Trajectory Planning and Optimization at Limits of Handling},
author = {Lars Svensson and Monimoy Bujarbaruah and Nitin Kapania and Martin Törngren},
journal= {arXiv preprint arXiv:1903.04240},
year = {2019}
}
备注
7 pages 4 figures Update v4: corrected typo in Eq. 5 and added remark to clarify relation between cost functions in Eqs 2 and 5