[论文解读] CMPCC: Corridor-based Model Predictive Contouring Control for Aggressive Drone Flight

Jialin Ji, Xin Zhou+2 more|arXiv (Cornell University)|Jul 7, 2020

Robotic Path Planning Algorithms参考文献 11被引用 9

一句话总结

本文提出CMPCC，一种基于通道的模型预测轮廓控制方法，通过在干扰下实时动态优化轨迹速度并重新规划，实现了高速、鲁棒的无人机飞行。通过将飞行通道约束和终端速度条件纳入凸优化问题，CMPCC确保了安全性、可行性与实时性能，实验中实现平均求解时间低于5ms，显著提升了轨迹跟踪精度与抗干扰能力，适用于接触力和风力干扰场景。

ABSTRACT

In this paper, we propose an efficient, receding horizon, local adaptive low-level planner as the middle layer between our original planner and controller. Our method is named as corridor-based model predictive contouring control (CMPCC) since it builds upon on MPCC and utilizes the flight corridor as hard safety constraints. It optimizes the flight aggressiveness and tracking accuracy simultaneously, thus improving our system's robustness by overcoming unmeasured disturbances. Our method features its online flight speed optimization, strict safety and feasibility, and real-time performance, and will be released as a low-level plugin for a large variety of quadrotor systems.

研究动机与目标

• 为解决在遭遇未测量干扰（如突然碰撞或阵风）时自主四旋翼飞行器缺乏鲁棒性的问题。
• 通过引入一种实时、自适应的局部规划器，弥合高层轨迹规划与底层控制之间的差距，提升轨迹跟踪精度与飞行激进性。
• 通过基于多面体边界构建动态飞行通道（采用多边形管约束）和终端速度条件，确保在非结构化环境中飞行的安全性与可行性。
• 通过凸优化公式实现高效机载计算，支持实时在线轨迹优化。
• 发布一个插件，可集成到多种四旋翼系统中，提升系统整体鲁棒性，且无需重新调参控制器。

提出的方法

• 该方法采用基于三阶积分模型的移动时域模型预测控制（MPC）框架，以表示无人机动力学，实现在有限时域内的精确状态与输入预测。
• 通过引入重定时函数，将目标函数设计为在最小化跟踪误差与最大化飞行速度之间取得平衡，实现参考轨迹上时间分配的动态调整。
• 通过基于全局轨迹多面体边界生成的前向延伸多边形管，构建飞行通道约束，确保无碰撞运动。
• 基于参考轨迹施加终端速度约束，以保持一致性并提升收敛性能。
• 将优化问题离散化，并使用OSQP求解凸二次规划（QP），结合热启动加速，实现平均求解时间约5ms。
• 系统可与现有全局规划器（如Teach-Repeat-Replan）集成，作为低层重规划器，在线响应干扰动态调整轨迹。

实验结果

研究问题

• RQ1 实时自适应局部规划器是否能在未测量干扰下提升轨迹跟踪精度与飞行激进性？
• RQ2 在非结构化环境中，如何在不依赖预设轨道边界的情况下有效构建四旋翼的安全约束？
• RQ3 凸的在线优化框架在激进无人机飞行中，能在多大程度上确保可行性与实时性能？
• RQ4 与标准反馈控制相比，所提方法在应对突发干扰（如碰撞或阵风）时表现如何？
• RQ5 基于通道的MPC集成是否能在不重新调参控制器的前提下提升系统鲁棒性？

主要发现

• CMPCC在接触力与风力干扰下均能实时重新规划安全、动态可行的轨迹，Intel i7-6700 CPU上平均求解时间低于5ms。
• 遭遇突发碰撞干扰后，无人机的局部轨迹能快速收敛回全局参考轨迹，有效抑制振荡并维持飞行稳定性。
• 在风力干扰下，系统通过在通道约束内重新规划避免碰撞，而仅依赖标准反馈控制则立即导致碰撞。
• 通过动态调整飞行速度与时间分布，即使干扰改变了原始轨迹规划，该方法仍能实现更高的轨迹跟踪精度与鲁棒性。
• 基于静态通道的多边形管约束确保了严格的安全性与可行性，但目前尚未支持动态障碍物或环境变化的处理。
• CMPCC在GitHub上开源发布，可集成到多种四旋翼平台，支持更广泛的应用与社区开发。