$π$-MPPI: A Projection-based Model Predictive Path Integral Scheme for Smooth Optimal Control of Fixed-Wing Aerial Vehicles

要約

モデル予測パス積分（MPPI）は、非線形システムの一般的なサンプリングベースのモデル予測制御（MPC）アルゴリズムです。
制御シーケンスをサンプリングして平均化することにより、軌跡を最適化します。
ただし、MPPIの重要な問題は、最適な制御シーケンスの非滑らかさであり、固定翼航空車両（FWV）などのシステムの振動につながります。
既存のソリューションは、コントロール誘導体をバインドできない事後平滑化を使用します。
このペーパーでは、新しいアプローチを紹介します。プロジェクションフィルター$ \ pi $を追加して、コントロールサンプルを最小限に補正し、制御の大きさと高次のデリバティブの境界を確保します。
フィルターされたサンプルはMPPIを使用して平均化され、$ \ pi $ -MPPIアプローチにつながります。
投影フィルターに神経加速カスタムオプティマイザーを使用することにより、計算オーバーヘッドを最小限に抑えます。
$ \ pi $ -mppiは、制御シーケンスで任意の滑らかさを実現する簡単な方法を提供します。
FWVに焦点を当てている間、この投影フィルターは任意のMPPIパイプラインに統合できます。
FWVSに適用される$ \ PI $ -MPPIは、ベースラインよりもチューニングが簡単で、よりスムーズでより堅牢なパフォーマンスをもたらします。

要約(オリジナル)

Model Predictive Path Integral (MPPI) is a popular sampling-based Model Predictive Control (MPC) algorithm for nonlinear systems. It optimizes trajectories by sampling control sequences and averaging them. However, a key issue with MPPI is the non-smoothness of the optimal control sequence, leading to oscillations in systems like fixed-wing aerial vehicles (FWVs). Existing solutions use post-hoc smoothing, which fails to bound control derivatives. This paper introduces a new approach: we add a projection filter $\pi$ to minimally correct control samples, ensuring bounds on control magnitude and higher-order derivatives. The filtered samples are then averaged using MPPI, leading to our $\pi$-MPPI approach. We minimize computational overhead by using a neural accelerated custom optimizer for the projection filter. $\pi$-MPPI offers a simple way to achieve arbitrary smoothness in control sequences. While we focus on FWVs, this projection filter can be integrated into any MPPI pipeline. Applied to FWVs, $\pi$-MPPI is easier to tune than the baseline, resulting in smoother, more robust performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google