MPCGPU：基于GPU上预条件共轭梯度的实时非线性模型预测控制
机器人学
2025-07-08 v3 分布式、并行与集群计算
摘要
非线性模型预测控制（NMPC）是一种用于运动与操作的最先进方法，其在每个控制步利用轨迹优化。虽然该方法的性能受计算限制，但使用迭代方法求解底层中等规模稀疏线性系统的直接轨迹优化实现，天然适合并行硬件加速。在本工作中，我们介绍MPCGPU，一种GPU加速的实时NMPC求解器，其核心利用加速的预条件共轭梯度（PCG）线性系统求解器。我们展示MPCGPU提升了NMPC的可扩展性与实时性能，以更快的速率求解更大的问题。特别地，对于使用Kuka IIWA机械臂的跟踪任务，MPCGPU能够扩展到千赫兹控制速率，轨迹长达512个节点。这由定制的PCG求解器驱动，其在大多数求解中优于最先进的基于CPU的线性系统求解器至少10倍，平均3.6倍。
引用
@article{arxiv.2309.08079,
title = {MPCGPU: Real-Time Nonlinear Model Predictive Control through Preconditioned Conjugate Gradient on the GPU},
author = {Emre Adabag and Miloni Atal and William Gerard and Brian Plancher},
journal= {arXiv preprint arXiv:2309.08079},
year = {2025}
}
备注
Accepted to ICRA 2024, 8 pages, 6 figures