TurboADMM：面向多智能体轨迹优化的结构利用并行求解器
机器人学
2026-02-19 v1
摘要
多智能体轨迹优化包含密集互动网络，需在控制速率下求解大规模耦合二次规划（QP），但现有求解器无法同时利用时序结构、智能体分解和迭代相似性。通常对多智能体问题进行单体化处理，使用通用型 QP 求解器（如 OSQP、MOSEK），但随着智能体数量增加将面临可扩展性挑战。结构化求解器（如 HPIPM）通过 Riccati 递推利用时序结构，但对密集耦合约束较为脆弱。我们引入 TurboADMM，这是一种专用单机 QP 求解器，通过系统性协同设计三个互补组件实现对智能体数量近线性复杂度：（1）ADMM 分解创建每个智能体的子问题，可并行求解，保持稠密耦合下的块状三角结构；（2）Riccati 预热利用时序结构为每个智能体的 QP 提供高质量的原始-对偶初始化；（3）参数化 QP 热启动在 qpOASES 中复用跨 ADMM 迭代相似的 KKT 系统分解。
关键词
引用
@article{arxiv.2602.15838,
title = {TurboADMM: A Structure-Exploiting Parallel Solver for Multi-Agent Trajectory Optimization},
author = {Yucheng Chen},
journal= {arXiv preprint arXiv:2602.15838},
year = {2026}
}