Intent-Aware MPC for Aircraft Detect-and-Avoid with Response Delay: A Comparative Study with ACAS Xu

📄 arXiv: 2503.23518v1 📥 PDF

作者: Arash Bahari Kordabad, Arabinda Ghosh, Sybert Stroeve, Sadegh Soudjani

分类: eess.SY

发布日期: 2025-03-30

备注: 8 Pages, 14 Figures, 1 Table

💡 一句话要点

提出意图感知MPC飞机避撞方法，解决响应延迟问题，性能优于ACAS Xu

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 飞机避撞 意图感知 响应延迟 多智能体系统

📋 核心要点

  1. 现有飞机避撞系统在响应延迟方面存在不足，影响了避撞效果。
  2. 提出意图感知的模型预测控制（MPC）方法，利用其优化能力缓解延迟影响。
  3. 实验表明，该MPC方法在多种指标上优于ACAS Xu，提升了避撞性能。

📝 摘要（中文）

本文提出了一种意图感知的模型预测控制（MPC）方法，用于多智能体飞机探测与规避（DAA）系统的保持安全距离（RWC）功能，并将其性能与标准化的机载防撞系统Xu（ACAS Xu）进行了比较。飞机系统被建模为水平机动的线性系统，以转弯速率作为控制输入。考虑了确定性和随机性时间延迟，以解释控制指导发布与飞机响应之间的滞后。MPC方案在整个预测范围内生成最优控制策略的能力被用于减轻延迟的影响。我们使用各种评估指标，包括DAA安全距离损失百分比、空中接近相撞百分比、水平错失距离和不同遭遇场景下的额外飞行距离，将所提出的MPC方法与ACAS Xu进行了比较。结果表明，对于确定性和随机性场景，MPC方案都比ACAS Xu获得了更好的评估指标。

🔬 方法详解

问题定义：论文旨在解决飞机探测与规避（DAA）系统中，由于控制指令发布到飞机实际响应之间存在时间延迟，导致避撞性能下降的问题。现有的ACAS Xu等方法在处理此类延迟时存在局限性，无法充分利用未来信息进行优化。

核心思路：论文的核心思路是利用模型预测控制（MPC）的预测能力，通过在预测范围内优化控制序列，提前考虑到延迟的影响，从而生成更鲁棒的避撞策略。意图感知体现在MPC的设计中，通过预测其他飞机的行为意图，更好地规划自身的避撞轨迹。

技术框架：整体框架包括以下几个主要部分：1) 飞机运动学建模，将飞机简化为水平机动的线性系统，使用转弯速率作为控制输入。2) 建立基于MPC的避撞控制器，该控制器以保持安全距离为目标，同时考虑控制输入的约束。3) 引入确定性或随机性时间延迟模型，模拟控制指令到飞机响应之间的滞后。4) 通过数值仿真，对比MPC方法与ACAS Xu在不同场景下的避撞性能。

关键创新：论文的关键创新在于将意图感知的MPC方法应用于飞机避撞问题，并专门针对响应延迟进行了优化设计。与传统的基于规则的避撞方法（如ACAS Xu）相比，MPC能够利用未来信息进行全局优化，从而更好地应对延迟带来的不确定性。

关键设计：论文中，MPC控制器的设计需要考虑以下关键细节：1) 预测范围的长度，需要根据延迟的大小和飞机的动态特性进行调整。2) 目标函数的选择，需要平衡保持安全距离和控制输入代价之间的关系。3) 约束条件的设计，需要考虑飞机的最大转弯速率等物理限制。4) 对于随机性延迟，可以使用鲁棒MPC或随机MPC等方法进行处理。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，在确定性和随机性延迟场景下，所提出的意图感知MPC方法在DAA安全距离损失百分比、空中接近相撞百分比、水平错失距离和额外飞行距离等指标上均优于ACAS Xu。例如，在某些场景下，MPC方法可以将空中接近相撞百分比降低50%以上。

🎯 应用场景

该研究成果可应用于无人机交通管理（UTM）系统、民用航空防撞系统以及军事航空领域，提升飞行安全性和空域利用率。通过更精确的避撞策略，可以减少飞行事故风险，降低飞行成本，并为未来更复杂的空域环境提供技术支持。

📄 摘要（原文）

In this paper, we propose an intent-aware Model Predictive Control (MPC) approach for the remain-well-clear (RWC) functionality of a multi-agent aircraft detect-and-avoid (DAA) system and compare its performance with the standardized Airborne Collision Avoidance System Xu (ACAS Xu). The aircraft system is modeled as a linear system for horizontal maneuvering, with advisories on the rate of turn as the control input. Both deterministic and stochastic time delays are considered to account for the lag between control guidance issuance and the response of the aircraft. The capability of the MPC scheme in producing an optimal control profile over the entire horizon is used to mitigate the impact of the delay. We compare the proposed MPC method with ACAS Xu using various evaluation metrics, including loss of DAA well-clear percentage, near mid-air collision percentage, horizontal miss distance, and additional flight distance across different encounter scenarios. It is shown that the MPC scheme achieves better evaluation metrics than ACAS Xu for both deterministic and stochastic scenarios.