HPTune：面向碰撞自由的层次化主动调优
机器人学
2026-01-30 v1
摘要
参数调优是提高模型预测控制（MPC）运动规划适应性的强大方法。然而，现有方法通常以我的opic 方式仅评估执行动作，由于失败事件（如障碍物接近或碰撞）的稀疏性，导致参数更新效率低下。为应对此问题，我们提议将评估范围从执行动作扩展到未执行动作，形成层次化主动调优（HPTune）框架，包含快速级调优和慢速级调优。快速级采用预测收敛速度和预测距离作为风险指标，慢速级利用闭环反向传播的扩展评估损失。此外，我们将 HPTune 与 Doppler LiDAR 集成，该仪器提供除位置测量外的障碍物速度，从而增强运动预测，促进 HPTune 的实现。高保真仿真实验表明，HPTune 高效实现了 MPC 调优，并在复杂环境中优于各种基线方案。结果表明，HPTune 实现了情境定制的运动规划，通过构建安全、敏捷的碰撞规避策略。
引用
@article{arxiv.2601.21346,
title = {HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control},
author = {Wei Zuo and Chengyang Li and Yikun Wang and Bingyang Cheng and Zeyi Ren and Shuai Wang and Derrick Wing Kwan Ng and Yik-Chung Wu},
journal= {arXiv preprint arXiv:2601.21346},
year = {2026}
}
备注
Accepted by IEEE ICASSP 2026