[论文解读] Adaptive MPC for Autonomous Lane Keeping

Monimoy Bujarbaruah, Xiaojing Zhang+2 more|arXiv (Cornell University)|Jun 12, 2018

Advanced Control Systems Optimization参考文献 22被引用 21

一句话总结

该论文提出了一种自适应鲁棒模型预测控制（MPC）框架，用于自动驾驶车道保持控制，通过鲁棒集合成员法在实时过程中持续学习未知的恒定方向盘转角偏差。通过递归地细化可行参数集，并确保在所有可能的偏差下均满足鲁棒约束，该方法在存在模型失配或条件变化的情况下，无需重新调参即可保持安全性和性能。

ABSTRACT

This paper proposes an Adaptive Robust Model Predictive Control strategy for lateral control in lane keeping problems, where we continuously learn an unknown, but constant steering angle offset present in the steering system. Longitudinal velocity is assumed constant. The goal is to minimize the outputs, which are distance from lane center line and the steady state heading angle error, while satisfying respective safety constraints. We do not assume perfect knowledge of the vehicle lateral dynamics model and estimate and adapt in real-time the maximum possible bound of the steering angle offset from data using a robust Set Membership Method based approach. Our approach is even well-suited for scenarios with sharp curvatures on high speed, where obtaining a precise model bias for constrained control is difficult, but learning from data can be helpful. We ensure persistent feasibility using a switching strategy during change of lane curvature. The proposed methodology is general and can be applied to more complex vehicle dynamics problems.

研究动机与目标

• 解决车辆横向控制中未知但恒定的方向盘转角偏差所带来的挑战，该偏差会降低性能与安全性。
• 在存在模型不确定性的情况下，确保递归可行性与鲁棒约束满足，特别是在高速或弯道曲率较大的场景中。
• 实现实时自适应车辆模型，而无需重新调参，从而提升长期控制性能与鲁棒性。
• 将在线学习与鲁棒MPC相结合，在保持安全性的前提下，随时间推移提高模型精度。
• 开发一种可推广的框架，适用于更复杂的车辆动力学问题，而不仅限于基础的车道保持任务。

提出的方法

• 使用递归集合成员法，在每个时间步估计并细化包含真实方向盘转角偏差的可行参数集（FPS）。
• 构建一个鲁棒MPC优化问题，确保在可行参数集内所有可能的偏差下均满足约束，从而对模型不确定性保持鲁棒性。
• 在弯道曲率变化时采用切换策略，以在车道曲率改变时仍保持递归可行性。
• 引入基于LQR设计的反馈增益，以稳定系统并改善瞬态响应。
• 使用GUROBI求解的凸优化问题，实现实时求解，确保计算可行性。
• 利用测量到的转向系统数据，迭代更新可行参数集，实现在线模型自适应。

实验结果

研究问题

• RQ1 如何在鲁棒MPC框架内实时估计并适应未知的恒定方向盘转角偏差？
• RQ2 在道路曲率随时间变化的情况下，能否保证递归可行性并同时维持约束满足？
• RQ3 与采用标称模型的标准鲁棒MPC相比，所提出的自适应MPC在约束违反和性能方面表现如何？
• RQ4 在方向盘转角偏差发生变化后，控制器在多大程度上可无需重新调参即可重复使用？
• RQ5 在高速或急弯驾驶场景中，模型不确定性对横向控制性能有何影响？

主要发现

• 仿真结果验证了所提出的自适应鲁棒MPC在所有可能的未知方向盘转角偏差下，均能确保递归可行性和鲁棒约束满足。
• 可行参数集（FPS）成功收敛至真实偏差的紧密区间，证明了对模型不确定性在线学习的有效性。
• 与采用标称模型的标准鲁棒MPC相比，自适应方法在模型失配情况下仍能有效避免显著的约束违反。
• 当方向盘转角偏差发生微小变化时，控制器无需重新调参即可保持性能与安全性，而标准LQR控制器则需要重新调参。
• 数值仿真表明，自适应MPC能将横向偏差控制在±4 m以内，航向误差控制在±0.7 rad以内，满足所有施加的约束。
• 通过使用凸优化求解器（GUROBI）实现，算法实现了实时性能，证实其在嵌入式实现中的实际可行性。