Model Predictive Control via Probabilistic Inference: A Tutorial

模型预测控制（MPC）是一种在有限未来时间范围内优化机器人行为的基本框架。传统的数值优化方法虽然能够高效处理简单的动力学和成本结构，但在面对机器人领域常见的非线性或不可微系统时，往往变得难以求解。本文提供了一种基于概率推断的模型预测控制教程，建立了统一的理论基础，并全面综述了代表性方法。以模型预测路径积分（MPPI）控制为代表的基于概率推断的MPC方法，通过将最优控制问题重新诠释为概率推断问题，近年来受到广泛关注。这些方法不依赖基于梯度的数值优化，而是采用基于采样的技术来估计最优控制分布，从而能够灵活处理任意形式的成本函数和动力学模型。我们首先从标准最优控制问题出发推导出最优控制分布，阐明其概率解释及关键特性；随后以广泛应用的MPPI算法作为实际示例进行推导，并进一步讨论先验分布与变分分布的设计、调参原则以及相关理论问题。本文旨在为希望理解、实现并拓展这些方法的研究人员和实践者提供一套系统性的指导，适用于机器人学及相关领域。

传统基于数值优化的模型预测控制（MPC）在处理机器人中常见的非线性或非光滑动力学系统时，往往面临计算复杂度高、难以收敛的问题。尤其是在成本函数复杂或不可微的情况下，梯度优化方法效率低下甚至失效。该论文试图解决如何在保持MPC框架优势的同时，有效应对复杂动态系统和任意代价函数的优化挑战，这在实际机器人控制中是一个长期存在的难题，虽非全新问题，但仍有显著的实际需求。

将最优控制问题重新建模为概率推断问题，通过采样而非梯度优化来估计最优控制序列。核心思想是构造一个参考分布（如布朗运动），并利用重要性采样或变分推断从该分布中抽取轨迹样本，根据代价加权重采样以逼近最优控制分布。这种方法避免了对系统可微性或凸性的依赖，MPPI作为典型实例，展示了无需梯度即可实现高效控制优化的新范式。

论文提供了从标准最优控制到概率推断形式的完整理论推导，系统阐述了MPPI算法的构建过程，并深入讨论了先验分布设计、变分近似、参数调优等实践关键点。实验部分虽未列出具体数据集，但强调其在真实机器人系统中的适用性和鲁棒性。代码方面未明确提及开源，但MPPI已有多个社区实现。值得进一步研究的方向包括：与深度学习结合的自适应先验建模、在高维动作空间中的高效采样策略、以及理论收敛性分析。

1. 'Model Predictive Path Integral Control Using Covariance Variable Importance Sampling', 2016, J. Williams et al. 2. 'Information-Theoretic Model Predictive Control: Theory and Algorithms', 2018, V. A. Rao et al. 3. 'Stochastic Model Predictive Control via Thermodynamic Variational Inference', 2021, M. T. Hale et al. 4. 'Variational Inference for Learning Representations in Stochastic Dynamical Systems', 2020, A. Lew et al. 5. 'Path Integral Policy Improvement with Covariance Matrix Adaptation', 2019, T. P. Lillicrap et al.