Unifying Quadrotor Motion Planning and Control by Chaining Different Fidelity Models
作者: Rudolf Reiter, Chao Qin, Leonard Bauersfeld, Davide Scaramuzza
分类: cs.RO, eess.SY
发布日期: 2025-12-13
💡 一句话要点
Unique：链式多精度模型，统一四旋翼运动规划与控制
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四旋翼 运动规划 模型预测控制 多精度模型 自主导航
📋 核心要点
- 现有四旋翼运动规划与控制方法难以兼顾长时程规划和高精度控制，高精度模型计算量大，低精度模型控制精度差。
- Unique通过级联短时程高精度模型和长时程低精度模型，在统一的MPC框架下实现运动规划与控制。
- 实验结果表明，在相同计算预算下，Unique相比传统方法，闭环位置或速度跟踪性能提升高达75%。
📝 摘要（中文）
许多四旋翼飞行任务既需要即时响应，又需要长时程规划。高精度模型能够实现精确控制，但计算速度慢，不适用于长时程规划；低精度规划器可以扩展到长时程，但会降低闭环性能。我们提出了Unique，一种统一的MPC，它在单个优化框架内级联不同精度的模型：短时程高精度模型用于精确控制，长时程低精度模型用于规划。我们对齐了不同时程的代价函数，推导了保持可行性的点质量模型的推力和机体角速率约束，并引入了过渡约束，以匹配不同的状态、推力引起的加速度和加加速度-机体角速率关系。为了防止非光滑杂波中出现局部最小值，我们提出了一种3D渐进平滑策略，该策略沿时程变换基于范数的障碍物。此外，我们部署了并行随机初始化的MPC求解器，以在长时程低精度模型上发现成本更低的局部最小值。在仿真和真实飞行中，在相同的计算预算下，与标准MPC和分层规划器-跟踪器基线相比，Unique将闭环位置或速度跟踪提高了高达75%。消融实验和帕累托分析证实了在时程变化、约束近似和平滑策略方面的稳健增益。
🔬 方法详解
问题定义：论文旨在解决四旋翼飞行器在复杂环境中同时实现长时程全局规划和高精度局部控制的问题。现有方法要么使用高精度模型进行短时程控制，无法进行长时程规划；要么使用低精度模型进行长时程规划，但控制精度较差，难以应对复杂环境。
核心思路：论文的核心思路是将不同精度的模型（高精度模型和低精度模型）集成到一个统一的MPC框架中。利用高精度模型进行短时程控制，保证控制精度；利用低精度模型进行长时程规划，保证规划范围。通过代价对齐和约束设计，保证两个模型之间的平滑过渡和整体性能。
技术框架：Unique的整体框架是一个多模型MPC。它包含以下几个主要模块：1) 短时程高精度模型：用于精确控制，通常是考虑了空气动力学、电机特性等因素的复杂模型。2) 长时程低精度模型：用于全局规划，通常是简化的点质量模型。3) 代价对齐模块：用于对齐两个模型的代价函数，保证优化目标的一致性。4) 约束设计模块：用于设计两个模型之间的过渡约束，包括状态、推力、加速度和加加速度的匹配。5) 障碍物平滑模块：用于平滑障碍物，避免局部最小值。6) 并行MPC求解器：用于在长时程低精度模型上探索更优的局部最小值。
关键创新：论文的关键创新在于：1) 提出了一种统一的多精度模型MPC框架，能够同时实现长时程规划和高精度控制。2) 设计了代价对齐和过渡约束，保证了两个模型之间的平滑过渡。3) 提出了3D渐进平滑策略，有效避免了局部最小值。4) 采用了并行MPC求解器，提高了规划效率。
关键设计：1) 代价函数设计：需要仔细设计高精度模型和低精度模型的代价函数，保证优化目标的一致性。例如，可以对齐位置、速度、加速度等状态的代价权重。2) 过渡约束设计：需要设计状态、推力、加速度和加加速度的匹配约束，保证两个模型之间的平滑过渡。3) 障碍物平滑策略：采用渐进平滑策略，逐步减小障碍物的锐利程度，避免局部最小值。4) 并行MPC求解器：采用随机初始化策略，探索不同的局部最小值。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在仿真和真实飞行中，Unique在相同计算预算下，相比标准MPC和分层规划器-跟踪器基线，闭环位置或速度跟踪性能提升高达75%。消融实验和帕累托分析验证了该方法在不同时程、约束近似和平滑策略下的鲁棒性。
🎯 应用场景
该研究成果可应用于多种四旋翼飞行器任务，例如：复杂环境下的自主导航、高速飞行、精准物流配送、以及需要长时程规划的搜索救援等。通过结合不同精度的模型，可以提高四旋翼飞行器在复杂环境中的适应性和任务完成效率，具有重要的实际应用价值和广阔的应用前景。
📄 摘要（原文）
Many aerial tasks involving quadrotors demand both instant reactivity and long-horizon planning. High-fidelity models enable accurate control but are too slow for long horizons; low-fidelity planners scale but degrade closed-loop performance. We present Unique, a unified MPC that cascades models of different fidelity within a single optimization: a short-horizon, high-fidelity model for accurate control, and a long-horizon, low-fidelity model for planning. We align costs across horizons, derive feasibility-preserving thrust and body-rate constraints for the point-mass model, and introduce transition constraints that match the different states, thrust-induced acceleration, and jerk-body-rate relations. To prevent local minima emerging from nonsmooth clutter, we propose a 3D progressive smoothing schedule that morphs norm-based obstacles along the horizon. In addition, we deploy parallel randomly initialized MPC solvers to discover lower-cost local minima on the long, low-fidelity horizon. In simulation and real flights, under equal computational budgets, Unique improves closed-loop position or velocity tracking by up to 75% compared with standard MPC and hierarchical planner-tracker baselines. Ablations and Pareto analyses confirm robust gains across horizon variations, constraint approximations, and smoothing schedules.