Energy-Aware Predictive Motion Planning for Autonomous Vehicles Using a Hybrid Zonotope Constraint Representation

📄 arXiv: 2411.03189v2 📥 PDF

作者: Joshua A. Robbins, Andrew F. Thompson, Sean Brennan, Herschel C. Pangborn

分类: eess.SY, cs.RO

发布日期: 2024-11-05 (更新: 2024-11-15)

💡 一句话要点

提出基于混合Zonotope约束的能量感知预测运动规划方法，用于自主车辆。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 运动规划 能量管理 Zonotope 混合整数规划

📋 核心要点

  1. 无人机能量与运动紧密耦合，传统规划算法难以兼顾，导致能效低下。
  2. 提出基于模型预测控制的能量感知运动规划方法，利用混合Zonotope处理非凸约束。
  3. 实验验证了该方法在混合动力车辆噪声限制和无人机电池电量管理方面的有效性，可实时实现。

📝 摘要（中文）

本文提出了一种用于耦合运动和能量规划的策略，该策略使用模型预测控制（MPC）。文中介绍了一个降阶的线性时不变耦合能量和运动动力学模型。使用约束Zonotope来表示状态和输入约束，并使用混合Zonotope来表示与环境地图相关的非凸约束。这些约束表示的结构在专为MPC运动规划问题量身定制的混合整数二次规划求解器中得到了利用。结果将所提出的方法应用于耦合运动和能量利用规划问题，包括：1) 混合动力汽车，必须限制在噪声限制区域上空飞行时的发动机使用；2) 电动包裹递送无人机，必须跟踪具有位置和电池电量要求的航路点。通过利用结构化求解器，所提出的混合整数MPC公式可以实时实现。

🔬 方法详解

问题定义：自主车辆（特别是无人机）的运动规划需要同时考虑能量消耗和环境约束。传统方法通常将运动规划和能量管理分开处理，或者难以处理复杂的非凸约束（例如禁飞区）。这导致次优的能量效率和潜在的安全问题。

核心思路：本文的核心思路是将运动规划和能量管理集成到一个模型预测控制（MPC）框架中，并使用混合Zonotope来表示状态、输入和环境约束。Zonotope能够有效地表示线性约束，而混合Zonotope则可以处理非凸约束，从而允许在规划过程中考虑更复杂的环境因素。

技术框架：该方法包含以下主要步骤：1) 建立车辆的降阶线性时不变耦合能量和运动动力学模型；2) 使用约束Zonotope表示状态和输入约束；3) 使用混合Zonotope表示非凸环境约束（例如禁飞区）；4) 将问题转化为混合整数二次规划（MIQP）问题；5) 使用专门的MIQP求解器进行求解，得到最优的运动轨迹和能量管理策略。

关键创新：该方法最重要的技术创新在于使用混合Zonotope来表示非凸约束，并将其集成到MPC框架中。这使得该方法能够处理更复杂的环境约束，并同时优化运动轨迹和能量消耗。此外，该方法还利用了MIQP求解器的结构，实现了实时求解。

关键设计：关键设计包括：1) 降阶模型的选择，需要在模型精度和计算复杂度之间进行权衡；2) Zonotope和混合Zonotope的参数化，需要根据具体问题进行调整；3) MIQP求解器的选择和参数设置，需要考虑求解速度和精度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法能够有效地解决混合动力车辆的噪声限制问题和电动无人机的电池电量管理问题。对于混合动力车辆，该方法能够在满足噪声限制的同时，优化发动机的使用，从而降低油耗。对于电动无人机，该方法能够在满足航路点要求的同时，优化电池电量的使用，从而延长续航里程。该方法能够实时实现，适用于实际应用。

🎯 应用场景

该研究成果可应用于多种自主车辆的运动规划和能量管理，例如无人机送货、自动驾驶汽车和水下机器人。通过优化运动轨迹和能量消耗，可以提高车辆的续航里程、降低运营成本，并减少对环境的影响。此外，该方法还可以用于处理复杂的环境约束，例如禁飞区和噪声限制区域。

📄 摘要（原文）

Uncrewed aerial systems have tightly coupled energy and motion dynamics which must be accounted for by onboard planning algorithms. This work proposes a strategy for coupled motion and energy planning using model predictive control (MPC). A reduced-order linear time-invariant model of coupled energy and motion dynamics is presented. Constrained zonotopes are used to represent state and input constraints, and hybrid zonotopes are used to represent non-convex constraints tied to a map of the environment. The structures of these constraint representations are exploited within a mixed-integer quadratic program solver tailored to MPC motion planning problems. Results apply the proposed methodology to coupled motion and energy utilization planning problems for 1) a hybrid-electric vehicle that must restrict engine usage when flying over regions with noise restrictions, and 2) an electric package delivery drone that must track waysets with both position and battery state of charge requirements. By leveraging the structure-exploiting solver, the proposed mixed-integer MPC formulations can be implemented in real time.