通过松弛CBF的NMPC提升动态环境中移动机器人导航的安全性与效率

本文针对非完整机器人提出了一种安全关键控制策略，以生成在动态环境中实现最优、无碰撞路径的控制信号。我们将控制综合问题表述为一个最优控制问题（OCP），该问题强制施加控制李雅普诺夫函数（CLF）约束以保证系统稳定性，并利用具有松弛衰减率的控制障碍函数（CBF）施加安全关键约束。非线性模型预测控制（NMPC）与CLF和CBF相集成，在较短的预测时域内确保系统安全并促进最优性能，从而减轻实时实现中的计算负担。此外，我们将基于欧几里得范数的避障约束纳入NMPC框架，展示了CBF方法在应对移动机器人系统点镇定与轨迹跟踪挑战方面的优越性。通过大量仿真，所提控制器在各种场景下均展现出静态与动态避障的能力。使用Husky A200机器人进行的实验验证与仿真结果一致，强化了我们所提方法在真实场景中的适用性，显著提升了实际移动机器人应用中的计算效率与安全性。