面向模型预测控制的策略搜索及其在敏捷无人机飞行中的应用
机器人学
2021-12-17 v2 人工智能
摘要
策略搜索与模型预测控制(MPC)是两种用于机器人控制的不同范式:策略搜索的优势在于利用经验数据自动学习复杂策略,而 MPC 可利用模型和轨迹优化提供最优控制性能。一个开放的研究问题是如何利用并结合两种方法的优势。在本工作中,我们通过使用策略搜索为 MPC 自动选择高层决策变量来给出答案,从而提出一种新颖的“为模型预测控制而搜索策略”框架。具体而言,我们将 MPC 表述为参数化控制器,其中难以优化的决策变量表示为高层策略。这种表述允许以自监督方式优化策略。我们聚焦于敏捷无人机飞行中的一个挑战性问题:使四旋翼穿过快速移动的门,来验证该框架。实验表明我们的控制器在仿真和真实世界中均实现了鲁棒且实时的控制性能。所提框架为融合学习与控制提供了新视角。
引用
@article{arxiv.2112.03850,
title = {Policy Search for Model Predictive Control with Application to Agile Drone Flight},
author = {Yunlong Song and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2112.03850},
year = {2021}
}
备注
The paper has been accepted for publication in the IEEE Transactions on Robotics (T-RO), 2021