MM-LMPC：基于 bandit 模式选择的多模态学习模型预测控制
系统与控制
2025-10-02 v1 系统与控制
摘要
学习模型预测控制 (LMPC) 通过利用前几次执行的数据来提高迭代任务的性能。在每次迭代中，LMPC 从过去的轨迹中构建抽样安全集，并将其作为终端约束，终端代价由相应的到终点的代价给出。虽然有效，但 LMPC 严重依赖初始轨迹：代价较大的状态在后续迭代中很少被选为终端候选者，导致状态空间的部分区域未被探索，可能错失更好的解决方案。例如，在一条包含两条可能路径的到达-避障任务中，LMPC 可能持续细化最初较短的路径，而忽略可能导向全局更好解的备选路径。为克服这一局限，我们提出多模态 LMPC (MM-LMPC)，将过去的轨迹聚类为模式，保持模式特定的终端集和价值函数。一种基于 bandit 的元控制器采用下置信界 (LCB) 策略在模式之间实现探索与开发的平衡，使所有模式都能得到系统性的细化。这使 MM-LMPC 能够跳出高成本局部最优解，发现全局更优解。我们建立了递归可行性、闭环稳定性、收敛于最佳模式的渐近收敛性，以及对数 regret 界。障碍规避任务的仿真实验验证了所提出方法的性能提升。
引用
@article{arxiv.2510.00410,
title = {MM-LMPC: Multi-Modal Learning Model Predictive Control via Bandit-Based Mode Selection},
author = {Wataru Hashimoto and Kazumune Hashimoto},
journal= {arXiv preprint arXiv:2510.00410},
year = {2025}
}
备注
This paper is submitted to 2026 American Control Conference (ACC)