使用基于 ADMM 的 iLQR 的高斯过程增强型自主漂移框架
机器人学
2025-03-17 v1 系统与控制
系统与控制
摘要
由于高度非线性的动力学和对精确实时控制的需求，尤其是在不确定环境中，自主漂移是一项复杂的挑战。为了解决这些局限性，本文提出了一种用于自动驾驶车辆沿一般路径漂移的分层控制框架，主要侧重于解决模型不准确性并缓解实时控制中的计算挑战。该框架将高斯过程（GP）回归与基于交替方向乘子法（ADMM）的迭代线性二次调节器（iLQR）相结合。GP 回归有效补偿了模型残差，提高了动态条件下的准确性。基于 ADMM 的 iLQR 不仅结合了 iLQR 的快速轨迹优化，还利用了 ADMM 在将问题分解为更简单子问题方面的优势。仿真结果证明了所提框架的有效性，在漂移轨迹跟踪和计算效率方面均有显著改善。我们的方法使 RMSE 横向误差降低了 38%，平均计算时间比内点优化器（IPOPT）低 75%。
引用
@article{arxiv.2503.11083,
title = {GP-enhanced Autonomous Drifting Framework using ADMM-based iLQR},
author = {Yangyang Xie and Cheng Hu and Nicolas Baumann and Edoardo Ghignone and Michele Magno and Lei Xie},
journal= {arXiv preprint arXiv:2503.11083},
year = {2025}
}