Nonlinear Model Predictive Control with Single-Shooting Method for Autonomous Personal Mobility Vehicle

📄 arXiv: 2509.22694v1 📥 PDF

作者: Rakha Rahmadani Pratama, Catur Hilman A. H. B. Baskoro, Joga Dharma Setiawan, Dyah Kusuma Dewi, P Paryanto, Mochammad Ariyanto, Roni Permana Saputra

分类: cs.RO

发布日期: 2025-09-20

备注: 15 pages, 3 figures, 4 tables

期刊: Journal of Mechatronics, Electrical Power, and Vehicular Technology 15.2 (2024): 186-196

DOI: 10.55981/j.mev.2024.1105

💡 一句话要点

提出基于单次射击法的非线性模型预测控制，用于自主个人交通工具。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 非线性模型预测控制 单次射击法 自主车辆 机器人操作系统 Gazebo仿真

📋 核心要点

  1. 现有自主车辆控制方法在复杂环境下的实时性和鲁棒性方面存在挑战。
  2. 采用单次射击法的非线性模型预测控制，优化车辆轨迹，同时考虑约束条件。
  3. 在Gazebo和ROS中进行仿真，验证了该方法在避障和路径跟踪方面的有效性。

📝 摘要（中文）

本文提出了一种针对自主个人交通工具（特别是单人电动自主运输车SEATER）的控制方法，该方法采用非线性模型预测控制（NMPC）。该方法利用单次射击法，通过非线性规划（NLP）求解最优控制问题（OCP）。所提出的NMPC应用于具有差速驱动系统的非完整车辆，使用里程计数据作为定位反馈，引导车辆到达目标姿态，同时实现目标并遵守约束，例如避障。为了评估所提出方法的性能，在无障碍和静态障碍环境中进行了一系列仿真。SEATER模型和测试环境在Gazebo Simulation中开发，NMPC在机器人操作系统（ROS）框架内实现。仿真结果表明，基于NMPC的方法成功地控制车辆到达期望的目标位置，同时满足施加的约束。此外，本研究强调了NMPC与单次射击法在评估场景中对自主车辆控制的鲁棒性和实时有效性。

🔬 方法详解

问题定义：论文旨在解决自主个人交通工具在复杂环境中安全、高效导航的问题。现有方法可能难以在满足车辆动力学约束、避障以及实时性要求之间取得平衡，尤其是在计算资源有限的情况下。

核心思路：论文的核心思路是利用非线性模型预测控制（NMPC）来预测车辆在未来一段时间内的状态，并通过优化控制输入来最小化成本函数，同时满足各种约束条件。单次射击法被用于简化优化问题，提高计算效率。这种方法允许在每个控制周期内快速找到最优控制序列。

技术框架：整体框架包括以下几个主要模块：1) 车辆动力学模型：描述车辆的状态和控制输入之间的关系。2) 状态估计：利用里程计数据估计车辆的当前状态。3) NMPC控制器：基于车辆模型、状态估计和目标姿态，通过单次射击法求解最优控制问题。4) 执行器：将计算出的控制输入应用于车辆。该框架在ROS中实现，便于与其他模块集成。

关键创新：该方法的主要创新在于将单次射击法应用于NMPC，以提高计算效率。传统的NMPC方法通常需要迭代求解最优控制问题，计算量大，难以满足实时性要求。单次射击法通过将控制变量直接作为优化变量，避免了迭代过程，从而显著降低了计算复杂度。

关键设计：关键设计包括：1) 成本函数：通常包括跟踪误差、控制输入和障碍物距离等项，用于衡量控制性能。2) 约束条件：包括车辆动力学约束、速度限制、加速度限制和避障约束等。3) 优化算法：选择合适的非线性规划求解器，如IPOPT，以高效地求解最优控制问题。4) 模型预测时域：选择合适的预测时域长度，以平衡控制性能和计算复杂度。

📊 实验亮点

仿真结果表明，基于单次射击法的NMPC能够成功控制SEATER到达目标位置，同时避开静态障碍物。该方法在ROS和Gazebo环境下进行了验证，证明了其在实际应用中的可行性。虽然论文中没有给出具体的性能数据，但强调了该方法在实时性和鲁棒性方面的优势。

🎯 应用场景

该研究成果可应用于各种自主移动机器人，如自动驾驶汽车、服务机器人、仓储机器人等。通过优化控制策略，可以提高机器人在复杂环境中的导航能力，降低能源消耗，并提高安全性。未来，该方法可以进一步扩展到多智能体系统，实现协同导航和任务分配。

📄 摘要（原文）

This paper introduces a proposed control method for autonomous personal mobility vehicles, specifically the Single-passenger Electric Autonomous Transporter (SEATER), using Nonlinear Model Predictive Control (NMPC). The proposed method leverages a single-shooting approach to solve the optimal control problem (OCP) via non-linear programming (NLP). The proposed NMPC is implemented to a non-holonomic vehicle with a differential drive system, using odometry data as localization feedback to guide the vehicle towards its target pose while achieving objectives and adhering to constraints, such as obstacle avoidance. To evaluate the performance of the proposed method, a number of simulations have been conducted in both obstacle-free and static obstacle environments. The SEATER model and testing environment have been developed in the Gazebo Simulation and the NMPC are implemented within the Robot Operating System (ROS) framework. The simulation results demonstrate that the NMPC-based approach successfully controls the vehicle to reach the desired target location while satisfying the imposed constraints. Furthermore, this study highlights the robustness and real-time effectiveness of NMPC with a single-shooting approach for autonomous vehicle control in the evaluated scenarios.