面向无局部极小值机器人导航：基于增强排斥势的模型预测路径积分控制

基于模型的控制是机器人导航的关键组成部分。然而，它往往因作为有限且片刻的优化程序的内在特性，容易陷入局部极小值。以往研究虽尝试解决此问题，却因其反应性导致解决方案质量下降，或因生成用于主动引导的显式路径而牺牲计算效率。为此，我们提出一种无需任何全局路径指导即可主动规避局部极小值的运动规划方法。其核心思想是通过人工势场将高层方向信息整合为单一排斥项，注入模型预测路径积分控制中。我们通过理论分析和含引发局部极小值的障碍环境中的仿真实验评估了该方法。结果表明，该方法保证了局部极小值的规避，且在不降低计算效率的前提下，优于现有方法在全局最优性方面的表现。