基于混合多射击 iLQR 的不等式约束轨迹优化
机器人学
2023-03-21 v2
摘要
轨迹优化已广泛应用于机器人系统。特别是，迭代线性二次调节器（iLQR）作为离线规划器与在线非线性模型预测控制求解器表现良好，且计算成本较低。然而，标准 iLQR 无法处理任何约束或对状态轨迹进行合理初始化。在本文中，我们提出一种具有多射击框架的混合约束 iLQR 变体，以纳入一般不等式约束和不可行状态初始化。主要技术贡献有两点：1）除了继承多射击设置中初始化的简单性外，还开发了一个两阶段框架，以稳健地处理状态和/或控制约束，且不损失 iLQR 的线性反馈项。这种混合策略提供了约束满足的快速收敛。2）提出了一种改进的整体化策略，以利用线搜索与正则化之间的耦合效应，从而能够增强约束 iLQR 方法的数值鲁棒性。我们的方法在各种约束轨迹优化问题上进行了测试，并优于常用的配点法和射击法。
引用
@article{arxiv.2109.07131,
title = {Inequality Constrained Trajectory Optimization with A Hybrid Multiple-shooting iLQR},
author = {Yunxi Tang and Xiangyu Chu and Wanxin Jin and K. W. Samuel Au},
journal= {arXiv preprint arXiv:2109.07131},
year = {2023}
}
备注
8 pages, 5 figures