Smooth Computation without Input Delay: Robust Tube-Based Model Predictive Control for Robot Manipulator Planning

要約

モデル予測制御 (MPC) は、目標の最適化と制約への対応において優れた機能を発揮します。
ただし、各トリガー瞬間における最適制御問題 (OCP) の解決に伴う相当な計算負荷により、状態サンプリングと制御アプリケーションの間に大幅な遅延が生じます。
これらの遅延により、リソースに制約のあるシステムで複雑なタスクを実行する場合の MPC の実用性が制限されます。
この論文でこの問題に対処する直観は、後続状態を予測することで、コントローラーが 1 タイム ステップ前に OCP を解決できるため、次のアクションの遅延を回避できるということです。
この目的のために、実際のシステム状態と公称システム状態の間の偏差を計算し、差し迫った OCP ソリューションの初期条件として今後の実際の状態を予測します。
予測計算により、現在の公称状態に基づいて最適な制御が保存されるため、遅延の影響が軽減されます。
さらに、線形化誤差の上限を確立し、非線形システムを効果的に線形化し、OCP の複雑さを軽減し、応答速度を向上させます。
2 つの数値シミュレーションと対応する現実世界のロボット タスクを通じて経験的検証を行い、従来のタイム トリガー MPC 戦略と比較して、提案されたアプローチのシームレスな統合によってもたらされる大幅なパフォーマンスの向上と応答速度の増大 (最大 $90\%$) を実証します。

要約(オリジナル)

Model Predictive Control (MPC) has exhibited remarkable capabilities in optimizing objectives and meeting constraints. However, the substantial computational burden associated with solving the Optimal Control Problem (OCP) at each triggering instant introduces significant delays between state sampling and control application. These delays limit the practicality of MPC in resource-constrained systems when engaging in complex tasks. The intuition to address this issue in this paper is that by predicting the successor state, the controller can solve the OCP one time step ahead of time thus avoiding the delay of the next action. To this end, we compute deviations between real and nominal system states, predicting forthcoming real states as initial conditions for the imminent OCP solution. Anticipatory computation stores optimal control based on current nominal states, thus mitigating the delay effects. Additionally, we establish an upper bound for linearization error, effectively linearizing the nonlinear system, reducing OCP complexity, and enhancing response speed. We provide empirical validation through two numerical simulations and corresponding real-world robot tasks, demonstrating significant performance improvements and augmented response speed (up to $90\%$) resulting from the seamless integration of our proposed approach compared to conventional time-triggered MPC strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google