基于高斯过程动力学的谨慎非线性模型预测控制用于自主微型赛车
系统与控制
2018-12-19 v2 机器学习
摘要
本文提出了一种用于自主微型赛车的自适应高性能控制方法。赛车动力学难以从第一性原理建模,这一问题通过一种谨慎非线性模型预测控制(NMPC)方法得以解决,该方法从数据中学习以改进其动力学模型,并安全地提升赛车性能。该方法利用高斯过程(GP),并通过机会约束公式考虑残差模型不确定性。我们提出了一种具有动态调节诱导输入的稀疏 GP 近似,从而实现可实时实现的控制器。该公式在仿真中得到验证,结果表明相较于无模型学习的 NMPC,其在单圈时间和约束满足方面均有显著改善。
引用
@article{arxiv.1711.06586,
title = {Cautious NMPC with Gaussian Process Dynamics for Autonomous Miniature Race Cars},
author = {Lukas Hewing and Alexander Liniger and Melanie N. Zeilinger},
journal= {arXiv preprint arXiv:1711.06586},
year = {2018}
}