面向自主车辆轨迹跟踪的双四元数学习控制及安全保证
机器人学
2026-01-07 v1 系统与控制
系统与控制
最优化与控制
摘要
我们提出了一种基于学习的轨迹跟踪控制器，用于可在 上进行运动描述的自主机器人平台。该控制器在双四元数框架下构建， operates at the velocity level，假设直接命令角速度和线速度，这在许多空中车辆和全向移动机器人中是标准做法。将高斯过程 (GP) 回归集成到几何反馈律中，用于在线学习和补偿来自姿态和位置的未知、状态相关的扰动和建模缺陷，同时保持刚体运动固有的代数结构和耦合属性。该方法不依赖于未知效应的显式参数模型，使其适用于受传感器引起的扰动、未建模的执行力耦合以及环境不确定性主导的机器人系统。基于 Lyapunov 的分析在 GP 不确定性受限的条件下，建立了姿态跟踪误差的概率最终有界性，为学习型控制器提供了形式上的稳定性保证。仿真结果展示了在包含真实局部扰动的情况下（包括由磁力计扰动引起的相关旋转和平移效应）的准确平滑轨迹跟踪。这些结果说明了将几何建模与概率学习相结合以实现自主机器人系统稳健、数据高效姿态控制的潜力。
引用
@article{arxiv.2601.03097,
title = {Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees},
author = {Omayra Yago Nieto and Alexandre Anahory Simoes and Juan I. Giribet and Leonardo Colombo},
journal= {arXiv preprint arXiv:2601.03097},
year = {2026}
}