基于贝叶斯优化的扭矩级非线性模型预测控制自动调参
机器人学
2025-12-04 v1 人工智能
系统与控制
系统与控制
摘要
本文提出了一个用于扭矩式非线性模型预测控制（nMPC）的自动调谐框架，其中 MPC 作为实时控制器用于最优关节扭矩命令。MPC 参数，包括代价函数权重和低层控制器增益，使用高维贝叶斯优化（BO）技术进行优化，具体为稀疏轴向子空间（SAASBO），配合数字孪生（DT）实现对 UR10e 机器人臂端执行器轨迹的实时跟踪。仿真模型允许高效探索高维参数空间，并确保安全迁移到硬件。我们的仿真结果显示，与手动调谐参数相比，跟踪性能提升了 +41.9%，求解时间减少 -2.5%。此外，实验验证在真实机器人上也遵循了这一趋势（提升 +25.8%），凸显了数字孪生驱动的自动化参数优化对机器人操作的重要性。
引用
@article{arxiv.2512.03772,
title = {Bayesian Optimization for Automatic Tuning of Torque-Level Nonlinear Model Predictive Control},
author = {Gabriele Fadini and Deepak Ingole and Tong Duy Son and Alisa Rupenyan},
journal= {arXiv preprint arXiv:2512.03772},
year = {2025}
}
备注
6 pages, 7 figures, 3 tables