用于运动规划的分布鲁棒 Wasserstein 风险约束迭代 MPC：计算高效近似
最优化与控制
2023-10-09 v1 系统与控制
系统与控制
摘要
本文考虑一个风险约束运动规划问题，旨在结合迭代模型预测控制（MPC）与数据驱动分布鲁棒（DR）风险约束优化的概念求解。在迭代 MPC 中，每次迭代时将前几次迭代中访问并存储的安全状态作为终端约束施加。此外，迭代过程中收集的样本被用于后续迭代以调节 MPC 中所用 DR 约束的模糊集。该方法在迭代次数升高时，MPC 问题计算负担沉重。为克服此挑战，本文重点是利用两种近似降低实时计算量。第一种涉及在每次迭代开始时对数据进行聚类，并修正 MPC 方案的模糊集，使安全保证依然成立。第二种近似考虑在迭代开始时确定 DR 安全区域，并将 MPC 方案中的状态约束于此类安全集内。我们分析了这些近似的计算可处理性，并给出一个存在随机移动障碍下的路径规划仿真示例。
引用
@article{arxiv.2310.04141,
title = {Wasserstein distributionally robust risk-constrained iterative MPC for motion planning: computationally efficient approximations},
author = {Alireza Zolanvari and Ashish Cherukuri},
journal= {arXiv preprint arXiv:2310.04141},
year = {2023}
}
备注
8 pages, 6 figures, Proceedings of the IEEE Conference on Decision and Control, Singapore, 2023