i2LQR: Iterative LQR for Iterative Tasks in Dynamic Environments

要約

この研究では、反復タスク用反復線形二次レギュレーター (i2LQR) と呼ばれる新しい制御戦略が導入されています。これは、動的環境における反復タスクの局所軌道最適化により閉ループのパフォーマンスを向上させることを目的としています。
提案されたアルゴリズムは参照フリーであり、以前の反復からの履歴データを利用して自律システムのパフォーマンスを向上させます。
既存のアルゴリズムとは異なり、i2LQR は各タイムスタンプで反復的に最適解を計算し、異なる反復で制約を変更する反復タスクに適しています。
提案されたアルゴリズムのパフォーマンスを評価するために、完了時間を最小限に抑えることを目的とした反復タスクの数値シミュレーションを実行します。
結果は、i2LQR が静的環境のベンチマークとして学習ベース MPC (LMPC) に関して最適化されたパフォーマンスを達成し、静的障害と動的障害の両方がある動的環境では LMPC を上回るパフォーマンスを示していることを示しています。

要約(オリジナル)

This work introduces a novel control strategy called Iterative Linear Quadratic Regulator for Iterative Tasks (i2LQR), which aims to improve closed-loop performance with local trajectory optimization for iterative tasks in a dynamic environment. The proposed algorithm is reference-free and utilizes historical data from previous iterations to enhance the performance of the autonomous system. Unlike existing algorithms, the i2LQR computes the optimal solution in an iterative manner at each timestamp, rendering it well-suited for iterative tasks with changing constraints at different iterations. To evaluate the performance of the proposed algorithm, we conduct numerical simulations for an iterative task aimed at minimizing completion time. The results show that i2LQR achieves an optimized performance with respect to learning-based MPC (LMPC) as the benchmark in static environments, and outperforms LMPC in dynamic environments with both static and dynamics obstacles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google