Stochastic Model Predictive Control with Optimal Linear Feedback for Mobile Robots in Dynamic Environments

要約

人間の動きは予測することが難しいため、人間の周囲でのロボットのナビゲーションは困難な問題になる可能性があります。
確率モデル予測制御 (MPC) は、そのような不確実性を考慮して、衝突が発生する確率をほぼ制限することができます。
この論文では、時間の経過とともに急速に増大する人間の動作の不確実性に対処するために、確率的 MPC に状態フィードバックを組み込みます。
これにより、ロボットは基準軌道をより厳密に追跡できるようになります。
この目的を達成するために、フィードバック ポリシーは最適制御問題の自由度として残されます。
フィードバック付きの確率的 MPC はシミュレーション実験で検証され、名目上の MPC およびフィードバックなしの確率的 MPC と比較されます。
追加の計算時間は、制御性能を少し犠牲にしてフィードバック則の追加変数の数を減らすことによって制限できます。

要約(オリジナル)

Robot navigation around humans can be a challenging problem since human movements are hard to predict. Stochastic model predictive control (MPC) can account for such uncertainties and approximately bound the probability of a collision to take place. In this paper, to counteract the rapidly growing human motion uncertainty over time, we incorporate state feedback in the stochastic MPC. This allows the robot to more closely track reference trajectories. To this end the feedback policy is left as a degree of freedom in the optimal control problem. The stochastic MPC with feedback is validated in simulation experiments and is compared against nominal MPC and stochastic MPC without feedback. The added computation time can be limited by reducing the number of additional variables for the feedback law with a small compromise in control performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google