高斯混合模型不确定性下递归可行的机会约束模型预测控制
系统与控制
2025-07-21 v2 系统与控制
摘要
我们提出了一个在高斯混合模型（GMM）不确定性下的机会约束模型预测控制（MPC）框架。具体而言，我们考虑了由预测移动障碍物未来行为所产生的不确定性，这些行为可能表现出多种模式（例如左转或右转）。为了应对多模态不确定性分布，我们提出了三种MPC公式：标称机会约束规划、鲁棒机会约束规划和应急规划。我们证明了由这三种规划器生成的闭环轨迹是安全的。这些方法在保守性和性能保证方面有所不同。特别是，在关于预测不确定性传播的某些假设下，鲁棒机会约束规划器是递归可行的。另一方面，应急规划器生成的闭环轨迹比标称规划器更不保守。我们在自动驾驶模拟器中使用最先进的轨迹预测算法验证了我们的规划器。
引用
@article{arxiv.2401.03799,
title = {Recursively Feasible Chance-constrained Model Predictive Control under Gaussian Mixture Model Uncertainty},
author = {Kai Ren and Colin Chen and Hyeontae Sung and Heejin Ahn and Ian Mitchell and Maryam Kamgarpour},
journal= {arXiv preprint arXiv:2401.03799},
year = {2025}
}
备注
Published in IEEE Transactions on Control Systems Technology SI: Intelligent Decision Making, Planning and Control of Automated Vehicles