面向动态障碍物无人机避撞与控制的新型非线性 MPC
机器人学
2020-08-04 v1
摘要
本文提出一种用于无人机（UAV）导航与障碍物规避的新型非线性模型预测控制（NMPC）。所提出的 NMPC 公式允许完全参数化的障碍物轨迹，而在本文中我们应用一种分类方案来区分不同种类的轨迹以预测障碍物未来位置。轨迹计算从初始条件出发，并作为附加输入送入 NMPC。所用求解器为非线性、非凸求解器 Proximal Averaged Newton for Optimal Control（PANOC）及其配套软件 OpEn（Optimization Engine），其中我们采用罚函数法在导航过程中妥善处理障碍物及其他约束。所提出的 NMPC 方案支持使用 50 ms 采样时间以及障碍物轨迹与 NMPC 问题各两秒预测范围的实时求解，这意味着该方案可被视为局部路径规划器。本文将给出 NMPC 代价函数与约束公式，以及处理动态障碍物的方法论。我们包含多个实验室实验以证明所提控制架构的有效性，并表明该方法针对动态避障场景能提供快速且计算稳定的解。
引用
@article{arxiv.2008.00792,
title = {Nonlinear MPC for Collision Avoidance and Controlof UAVs With Dynamic Obstacles},
author = {Björn Lindqvist and Sina Sharif Mansouri and Ali-akbar Agha-mohammadi and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2008.00792},
year = {2020}
}
备注
8 pages, 10 figures