[论文解读] L1-Adaptive MPPI Architecture for Robust and Agile Control of Multirotors
本文提出了一种L1自适应MPPI架构，将模型预测路径积分控制（MPPI）用于实时非线性轨迹规划，同时结合L1自适应控制以增强对模型不确定性的鲁棒性。L1控制器补偿名义动力学与真实动力学之间的不匹配，即使在质量变化、惯性偏移和推力退化等扰动下，也能实现稳定且敏捷的多旋翼飞行，显著提升了成功率并减少了极端条件下的圈速时间。
This paper presents a multirotor control architecture, where Model Predictive Path Integral Control (MPPI) and L1 adaptive control are combined to achieve both fast model predictive trajectory planning and robust trajectory tracking. MPPI provides a framework to solve nonlinear MPC with complex cost functions in real-time. However, it often lacks robustness, especially when the simulated dynamics are different from the true dynamics. We show that the L1 adaptive controller robustifies the architecture, allowing the overall system to behave similar to the nominal system simulated with MPPI. The architecture is validated in a simulated multirotor racing environment.
研究动机与目标
- 解决在模型不确定性下实现敏捷多旋翼飞行的鲁棒轨迹跟踪挑战。
- 克服MPPI在模拟动力学与真实动力学不一致时的固有脆弱性。
- 将L1自适应控制作为MPPI的增强模块，确保鲁棒性的同时不牺牲规划性能。
- 实现在动力学模型不完善条件下的复杂环境中可靠高速多旋翼竞速。
- 在极端扰动（如质量与惯性变化、推力退化及持续扰动）下验证该架构的有效性。
提出的方法
- 使用MPPI作为非线性模型预测控制器，利用GPU加速采样实现实时最优轨迹与前馈控制生成。
- 采用基于几何控制与四元数PD的基线控制器，以校正姿态偏差并提升跟踪性能。
- 引入L1自适应控制器，利用与MPPI相同的名义动力学来预测并补偿模型不确定性。
- 设计L1控制器时采用与MPPI名义动力学一致的状态预测器，以确保对动力学不匹配的稳定补偿。
- 将L1控制器作为MPPI生成控制序列的增强模块，实现实时对未建模扰动的自适应。
- 通过4×4传递函数与状态空间设计，对L1控制器进行调参，实现快速适应、鲁棒且可预测的瞬态响应。
实验结果
研究问题
- RQ1L1自适应控制能否有效提升多旋翼系统在模型不确定性下基于MPPI的轨迹规划鲁棒性？
- RQ2在50%质量增加或100%转动惯量增长等极端扰动下，L1自适应MPPI架构表现如何？
- RQ3与仅使用MPPI相比，L1增强架构是否提升了任务成功率与圈速时间？
- RQ4L1控制器在推力退化及持续扰动（如机头抬头俯仰力矩）下的影响缓解程度如何？
- RQ5当名义动力学与真实动力学不匹配时，尤其在实时重规划场景下，L1自适应MPPI架构能否保持性能？
主要发现
- 与仅使用MPPI相比，L1自适应MPPI架构在所有测试案例中均降低了平均圈速时间，极端扰动下改善最为显著。
- 在质量增加50%且存在0.1 Nm机头抬头俯仰力矩的情况下，L1增强系统实现100%成功率，而仅使用MPPI的系统在全部15次运行中均失败。
- 在推力降低40%的情况下，L1增强系统在全部15次运行中均成功，而仅使用MPPI的系统完全失败，展现出关键的鲁棒性。
- L1控制器在所有五种扰动场景下（包括大惯性与质量变化）均实现了成功飞行。
- 即使真实动力学与名义模型存在显著偏差，该架构仍能保持稳定的轨迹跟踪与快速重规划（最高达50 Hz）。
- MPPI的快速复杂代价轨迹规划与L1的实时自适应相结合，使控制系统在存在模型-实际不匹配的情况下仍能表现得接近名义仿真结果。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。