A Linear MPC with Control Barrier Functions for Differential Drive Robots

在过去十年中，对于完全自主移动机器人的需求激增，确保在动态环境中安全导航成为阻碍该领域进步的主要挑战。本文提出了一种基于动态反馈线性化的安全关键型模型预测控制，专门针对具有两个轮子的差分驱动机器人的应用，以生成控制信号，产生无障碍路径。一个屏障函数引入了一个安全约束到模型预测控制（MPC）的优化问题中，以防止碰撞。由于差分驱动机器人的内在非线性，实施非线性模型预测控制（NMPC）时会出现计算复杂性。为了促进优化问题的实时实现，并适应机器人的欠驱动特性，提出了线性模型预测控制（LMPC）和动态反馈线性化（DFL）的组合。MPC问题在由DFL控制器呈现的差分驱动机器人的线性等效模型上进行了制定。讨论了所提出的控制设计的闭环稳定性和递归可行性的分析。数值实验说明了所提出的控制合成在避免障碍物方面的鲁棒性和有效性，与使用欧几里得距离约束的基准相比。关键词：模型预测控制，MPC，自主地面车辆，非线性，动态反馈线性化，最优控制，差分机器人。

本论文旨在解决全自主移动机器人在动态环境中安全导航的问题。

论文提出了一种基于动态反馈线性化的安全关键模型预测控制方法，用于生成控制信号以实现避开障碍物的路径。为了容纳机器人的欠驱动性和简化优化问题的实时实现，论文结合了线性模型预测控制和动态反馈线性化。

论文提出的控制方法在避开障碍物方面表现出鲁棒性和有效性。研究还分析了所提出控制设计的闭环稳定性和递归可行性。

最近的相关研究包括基于模型预测控制的路径规划和避障，如“Model Predictive Control for Obstacle Avoidance in Mobile Robots”和“Model Predictive Path Integral Control for Obstacle Avoidance of Mobile Robots”。