面向多旋翼的微型学习型 MPC：面向高效嵌入式预测控制的求解器感知学习
机器人学
2025-10-16 v3 系统与控制
系统与控制
摘要
微型空中机器人在环境监测和搜索救援等应用中前景广阔，但由于机载计算能力有限和非线性动力学特性，面临着显著的控制挑战。模型预测控制（MPC）能够实现敏捷的轨迹跟踪和约束处理，但依赖于精确的动力学模型。虽然现有的基于学习（LB）的 MPC 方法，如高斯过程（GP）MPC，通过学习残差动力学来提升性能，但其高昂的计算成本限制了其在微型机器人上的机载部署。本文介绍了 Tiny LB MPC，一种针对资源受限的微型多旋翼平台协同设计的 MPC 框架和优化求解器。所提出的方法在配备 Teensy 4.0 微控制器的 Crazyflie 2.1 上实现了 100 Hz 的控制，在模型不确定性下，跟踪性能相比现有嵌入式 MPC 方法平均提升了 43%，并首次在 53 克的多旋翼上实现了 LB MPC 的机载部署。
引用
@article{arxiv.2410.23634,
title = {Tiny Learning-Based MPC for Multirotors: Solver-Aware Learning for Efficient Embedded Predictive Control},
author = {Babak Akbari and Justin Frank and Melissa Greeff},
journal= {arXiv preprint arXiv:2410.23634},
year = {2025}
}