基于采样的神经网络动力学非线性 MPC 及其在自动驾驶车辆运动规划中的应用
机器人学
2022-10-06 v1 系统与控制
系统与控制
摘要
机器学习模型的控制已成为广泛机器人应用的重要范式。在本文中，我们提出一种基于采样的非线性模型预测控制（NMPC）方法，用于控制神经网络动力学。我们分两部分展示其设计：1）将传统的基于优化的 NMPC 表述为贝叶斯状态估计问题；2）使用粒子滤波/平滑来实现该估计。通过基于原理的采样实现，该方法有可能在控制动作空间中有效搜索最优控制，并助力计算以克服由神经网络动力学带来的挑战。我们将所提 NMPC 方法应用于自动驾驶车辆的运动规划。该具体问题考虑了建模为神经网络的非线性未知车辆动力学以及动态道路驾驶场景。该方法在案例研究中显示出在成功运动规划上的显著有效性。
引用
@article{arxiv.2205.04506,
title = {Sampling-Based Nonlinear MPC of Neural Network Dynamics with Application to Autonomous Vehicle Motion Planning},
author = {Iman Askari and Babak Badnava and Thomas Woodruff and Shen Zeng and Huazhen Fang},
journal= {arXiv preprint arXiv:2205.04506},
year = {2022}
}
备注
To appear in 2022 American Control Conference (ACC)