面向反馈线性化动力学一般和微分博弈的迭代二次方法

迭代线性二次（ILQ）方法在非线性最优控制领域被广泛使用。近期工作将类似方法应用于多智能体一般和微分博弈场景。在此情形下，ILQ 方法能够实时地找到交互式运动规划问题中的局部均衡。然而，如同大多数迭代过程，该方法对初始条件和超参数选择较为敏感，可能导致计算性能不佳甚至不安全轨迹。本文关注一类具有反馈线性化能力的广泛动力学系统，并利用该结构提升算法的可靠性与运行效率。我们在三种不同的交通场景中展示了新算法，并观察到在实践中，相较于不利用反馈线性化结构的方法，我们的方法收敛频率显著更高且收敛更快。