VIGOR-MPC: Vision-Guided Objective Regulation MPC
作者: Jelena Trisovic, Rahel Rickenbach, Marek Landert, Panagiotis Minos, Melanie N. Zeilinger
分类: cs.RO, eess.SY
发布日期: 2026-10-14
💡 一句话要点
提出VIGOR-MPC以解决视觉感知下的控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 视觉感知 模型预测控制 蒸馏学习 自主导航 机器人控制
📋 核心要点
- 核心问题：在视觉感知控制中，现有方法面临噪声、遮挡和计算资源共享等挑战，导致规划效果不佳。
- 方法要点：VIGOR-MPC通过模块化的学生-教师框架，将长时间范围MPC蒸馏为短时间范围MPC，提升了计算效率。
- 实验或效果：VIGOR-MPC在未见赛道上表现出色，圈速接近教师模型，同时每步计算量减少超过90%。
📝 摘要（中文）
在仅通过机载视觉感知环境的情况下控制智能体是具有挑战性的：感知结果噪声大、长度可变且部分遮挡，同时机载计算资源在感知与控制之间共享，限制了实时可执行的规划范围。我们提出了VIGOR-MPC，一个模块化的学生-教师框架，与感知管道无关，旨在通过将特权的、视场感知的长时间范围模型预测控制（MPC）蒸馏为计算轻量的短时间范围MPC，解决导航任务中的参考跟踪问题。教师在模拟环境中操作，具备完整的状态知识，并通过多轨迹形式确保智能体能够保持在其视场内。学生仅观察由感知模块产生的噪声和遮挡的上下文，并通过多层递归映射学习推断成本参数，以恢复教师的行为，尽管信息缺失。我们在模拟和硬件上评估了VIGOR-MPC，结果显示仅使用机载感知，VIGOR-MPC能够推广到训练期间未见的赛道，并接近特权长时间范围教师的圈速，同时每步计算减少超过90%。
🔬 方法详解
问题定义：本论文旨在解决在仅依赖机载视觉进行环境感知时，智能体控制的挑战。现有方法在处理噪声、遮挡和有限计算资源时，往往无法实现有效的实时规划。
核心思路：VIGOR-MPC的核心思路是通过一个模块化的学生-教师框架，将一个具备完整状态知识的长时间范围MPC的行为蒸馏为一个计算轻量的短时间范围MPC。这样设计的目的是为了在保持控制效果的同时，降低计算复杂度，使得智能体能够在实时环境中有效运行。
技术框架：VIGOR-MPC的整体架构包括教师和学生两个模块。教师在模拟环境中运行，具备完整的状态信息，并使用多轨迹方法确保智能体在视场内。学生模块则依赖于感知模块提供的噪声和遮挡信息，通过多层递归映射学习推断成本参数。
关键创新：VIGOR-MPC的主要创新在于其模块化设计，使得系统对感知管道不敏感，并通过蒸馏过程有效地将长时间范围的控制策略转化为短时间范围的策略。这一方法显著提高了计算效率和适应性。
关键设计：在设计中，学生模块的损失函数和网络结构经过精心调整，以确保其能够在信息缺失的情况下，尽可能准确地恢复教师的行为。此外，成本参数的在线确定机制也是一个重要的设计细节，确保了模型的实时适应性。
🖼️ 关键图片
📊 实验亮点
VIGOR-MPC在实验中表现出色，能够在未见赛道上进行有效的自主赛车，圈速接近特权长时间范围教师模型，同时每步计算量减少超过90%，显示出其在实时控制中的优越性。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、机器人导航和无人机控制等场景。通过提升视觉感知下的控制效率，VIGOR-MPC能够在复杂环境中实现更高效的自主决策，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Controlling an agent in an environment solely perceived through onboard vision is challenging: perception yields noisy, variable-length, and partially occluded context, while onboard compute is shared between perception and control, limiting the planning horizon executable in real time. We propose VIGOR-MPC, a modular student-teacher framework, agnostic to the perception pipeline, which addresses reference tracking across navigation tasks by distilling a privileged, field-of-view-aware long-horizon MPC into a computationally lightweight short-horizon MPC whose cost parameters are determined online from vision. The teacher operates in simulation with full state knowledge and a multi-trajectory formulation that guarantees the agent can stay within its field of view. The student observes only the noisy, occluded context produced by a perception module and learns, via a multi-level recurrent mapping, to infer cost parameters that aim to recover the teacher's behavior despite missing information. We evaluate VIGOR-MPC on vision-based autonomous racing in simulation and on hardware. Using only onboard perception of the track, VIGOR-MPC generalizes to tracks unseen during training and approaches the lap times of the privileged long-horizon teacher while reducing per-step computation by over 90%.