Multirotor Ensemble Model Predictive Control I: Simulation Experiments

要約

非線形後退地平線モデル予測制御は、非線形動的システムを制御するための強力なアプローチです。
ただし、ヤコビアン、随伴パス、および前方後方パスを使用する一般的なアプローチは、高度に非線形な問題に対して忠実度や有効性が失われる可能性があります。
ここでは、アンサンブル モデル予測制御 (EMPC) アプローチを開発します。このアプローチでは、順方向モデルは完全に非線形のままであり、アンサンブルで表現されたガウス プロセスが逆方向計算を実行して、初期時間の最適なゲインを決定します。
EMPC は、ブラック ボックス、微分不可能なモデルの可能性を認め、シミュレーションは長期間にわたって並行して実行可能であり、制御は不確実性を定量化し、確率的設定に適用できます。
端末の制御と調整の問題のために EMPC を構築し、それを一卵性双生児のシミュレーション研究でクアローターの制御に適用します。
結果は、簡単に実装できるアプローチが有望であり、状態/パラメータ推定と並列コンピューティングを追加した自律ロボット システムの制御に適していることを示唆しています。

要約(オリジナル)

Nonlinear receding horizon model predictive control is a powerful approach to controlling nonlinear dynamical systems. However, typical approaches that use the Jacobian, adjoint, and forward-backward passes may lose fidelity and efficacy for highly nonlinear problems. Here, we develop an Ensemble Model Predictive Control (EMPC) approach wherein the forward model remains fully nonlinear, and an ensemble-represented Gaussian process performs the backward calculations to determine optimal gains for the initial time. EMPC admits black box, possible non-differentiable models, simulations are executable in parallel over long horizons, and control is uncertainty quantifying and applicable to stochastic settings. We construct the EMPC for terminal control and regulation problems and apply it to the control of a quadrotor in a simulated, identical-twin study. Results suggest that the easily implemented approach is promising and amenable to controlling autonomous robotic systems with added state/parameter estimation and parallel computing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google