基于模型预测路径积分控制的地形感知运动学动力学学习用于自主越野拉力驾驶

越野环境下的高速自动驾驶具有广泛的应用潜力，但由于车—地交互的复杂性也带来了挑战。在此类环境中，车辆预测自身运动并针对地形高程变化等环境改变主动调整控制至关重要。为此，我们提出一种学习地形感知运动学动力学模型的方法，该模型以本体感知与外感知信息为条件。所提模型能可靠预测 6 自由度运动，甚至可在训练无需接触力真值数据的情况下估计接触交互。这使得能够通过恰当设计代价函数，构建安全鲁棒的模型预测控制器，该代价函数对具有不稳定运动、不安全交互及模型所致高不确定性的采样轨迹予以惩罚。我们在模拟越野赛道上通过实验验证了方法的有效性，表明所提模型—控制器组合优于基线，并确保鲁棒的高速驾驶性能且无控制失效。