Embedded Hierarchical MPC for Autonomous Navigation

为了在社会中高效地部署机器人系统，移动机器人需要能够自主且安全地穿过复杂的环境。非线性模型预测控制（MPC）方法提供了一种自然的方式，在不与附近的障碍物相撞的情况下找到动态可行的轨迹。然而，嵌入式机器人系统（例如四旋翼）上可用的计算能力有限，这对于实时运行MPC以及它最昂贵的任务：约束生成和优化构成了挑战。为了解决这个问题，我们提出了一种新颖的分层MPC方案，将规划层和跟踪层相互连接。规划器以较慢的速率构建具有长预测时间的轨迹，而跟踪器以相对较快的速率确保轨迹跟踪。我们证明了所提出的框架避免了碰撞并且是递归可行的。此外，我们在模拟和实验室实验中展示了它在复杂静态环境中需要到达目标位置的四旋翼上的有效性。代码在四旋翼的嵌入式计算机上进行了高效实现，以确保实时可行性。与最先进的单层MPC公式相比，这使我们可以将规划时间增加了5倍，从而获得了显着更好的性能。

提高嵌入式机器人的非线性模型预测控制（MPC）实时性和计算效率，以实现在复杂环境中自主、安全地移动。

提出一种分层MPC框架，将规划和跟踪层级相结合，通过降低计算量来提高实时性，同时保证避免碰撞和递归可行性。

实验使用四旋翼飞行器在复杂静态环境中到达目标位置，比较分层MPC与单层MPC的性能，证明分层MPC可以将规划范围提高5倍。代码已在四旋翼飞行器的嵌入式计算机上高效实现。

相关研究包括：在嵌入式系统上实现MPC的方法、MPC在机器人路径规划中的应用、MPC在避免碰撞中的应用等。