Differentiable Robust Model Predictive Control

要約

決定論的モデル予測制御 (MPC) は強力ですが、現実世界の自律システムを効果的に制御するには不十分なことがよくあります。
環境ノイズやモデル誤差などの要因により、予想される公称性能からの逸脱が生じる可能性があります。
堅牢な MPC アルゴリズムは、決定的な制御と不確実な制御の間のギャップを埋めることを目的としています。
ただし、これらの方法は、コントローラー パラメーターがパフォーマンスに与える非線形および非直感的な影響のため、堅牢性を調整するのが非常に難しいことがよくあります。
この課題に対処するために、制御のための微分可能な最適化に関する統一的な観点が提示され、これにより一般的な微分可能なチューブベースの MPC アルゴリズムの導出が可能になります。
提案されたアプローチは、大きな不確実性や外乱が存在する場合でも、ロバストなコントローラーの自動かつリアルタイムの調整を容易にします。

要約(オリジナル)

Deterministic model predictive control (MPC), while powerful, is often insufficient for effectively controlling autonomous systems in the real-world. Factors such as environmental noise and model error can cause deviations from the expected nominal performance. Robust MPC algorithms aim to bridge this gap between deterministic and uncertain control. However, these methods are often excessively difficult to tune for robustness due to the nonlinear and non-intuitive effects that controller parameters have on performance. To address this challenge, a unifying perspective on differentiable optimization for control is presented, which enables derivation of a general, differentiable tube-based MPC algorithm. The proposed approach facilitates the automatic and real-time tuning of robust controllers in the presence of large uncertainties and disturbances.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google