动态环境中基于 MPC 的避障残差神经终端约束
机器人学
2025-08-29 v2 机器学习
系统与控制
系统与控制
摘要
本文提出了一种混合 MPC 局部规划器，该规划器使用基于学习的时变安全集近似，该安全集由局部观测推导并作为 MPC 终端约束应用。该集合可表示为通过 Hamilton-Jacobi (HJ) 可达性分析计算的值函数的零超水平集，但这在实时计算中不可行。我们利用 HJ 值函数可表示为相应符号距离函数 (SDF) 与非负残差函数之差的性质。残差分量被建模为具有非负输出的神经网络，并从计算得到的 SDF 中减去，从而得到在设计上至少与 SDF 一样安全的实时值函数估计。此外，我们使用超网络对神经残差进行参数化，以提升实时性能和泛化能力。在仿真和硬件实验中，所提方法与三种最先进的方法进行了比较，与最佳基线相比成功率提高了高达 30%，同时计算量相近且能产生高质量（短通行时间）的解。
引用
@article{arxiv.2508.03428,
title = {Residual Neural Terminal Constraint for MPC-based Collision Avoidance in Dynamic Environments},
author = {Bojan Derajić and Mohamed-Khalil Bouzidi and Sebastian Bernhard and Wolfgang Hönig},
journal= {arXiv preprint arXiv:2508.03428},
year = {2025}
}