Path-following model predictive control for autonomous e-scooters

📄 arXiv: 2505.05314v2 📥 PDF

作者: David Meister, Robin Strässer, Felix Brändle, Marc Seidel, Benno Bassler, Nathan Gerber, Jan Kautz, Elena Rommel, Frank Allgöwer

分类: eess.SY, cs.RO

发布日期: 2025-05-08 (更新: 2025-07-09)

备注: Proc. IEEE Intelligent Transportation Systems Conference (ITSC)

💡 一句话要点

提出基于模型预测控制的路径跟踪方案，用于自主电动滑板车导航。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自主导航 电动滑板车 模型预测控制 路径跟踪 反应轮 嵌入式系统

📋 核心要点

  1. 现有电动滑板车共享系统面临经济、生态和社会挑战，需要更智能的自主导航方案。
  2. 提出基于模型预测控制的路径跟踪方法，结合反应轮机制，实现滑板车的自主定位、导航和平衡。
  3. 通过真实实验验证了该方法在实际场景中的有效性，并可在 Raspberry Pi 5 上实时运行。

📝 摘要（中文）

为了应对电动滑板车共享系统在经济、生态和社会方面面临的挑战，我们开发了一种自主电动滑板车原型。我们的愿景是设计一个完全自主的原型，它可以自主导航到下一个停车点、高需求区域或充电站。在这项工作中，我们提出了一种基于模型预测控制的路径跟踪解决方案，以实现电动滑板车在城市环境中沿给定路径的定位和导航。我们设计了一个闭环架构，该架构解决了定位和路径跟踪问题，同时允许电动滑板车通过先前开发的反应轮机制保持平衡。我们的模型预测控制方法可以处理状态和输入约束，例如，遵守路径宽度，同时仍然可以在 Raspberry Pi 5 上执行。我们在原型上的真实实验中证明了我们方法的有效性。

🔬 方法详解

问题定义：论文旨在解决自主电动滑板车在城市环境中，如何安全、高效地沿预定路径进行导航的问题。现有方法可能无法很好地处理复杂的约束条件（如路径宽度限制）和实时性要求，难以在嵌入式平台上运行。

核心思路：论文的核心思路是利用模型预测控制（MPC）的优势，通过预测车辆未来状态，优化控制输入，从而实现精确的路径跟踪。同时，结合反应轮机制，保证滑板车在运动过程中的平衡性。这种方法能够显式地处理状态和输入约束，并兼顾实时性。

技术框架：整体架构是一个闭环控制系统。首先，系统获取当前滑板车的位置信息。然后，MPC控制器根据当前状态、目标路径和车辆动力学模型，预测未来一段时间内的状态轨迹，并计算出最优的控制输入（例如，电机转速）。控制输入作用于滑板车，使其沿目标路径运动。同时，反应轮机制用于维持滑板车的平衡。整个过程不断循环，实现实时的路径跟踪。

关键创新：该方法将模型预测控制应用于自主电动滑板车的路径跟踪问题，并结合了反应轮机制以保证平衡。关键创新在于设计了一个能够同时处理路径跟踪和平衡控制的MPC控制器，并且该控制器能够在计算资源有限的嵌入式平台上实时运行。

关键设计：MPC控制器的设计包括以下关键细节：车辆动力学模型的建立，状态和输入约束的设定（例如，路径宽度限制，电机转速限制），以及目标函数的选择（例如，最小化与目标路径的偏差，最小化控制输入）。此外，为了保证实时性，需要选择合适的数值优化算法，并对代码进行优化，使其能够在 Raspberry Pi 5 上高效运行。反应轮的控制策略也需要精心设计，以保证滑板车的平衡性。

🖼️ 关键图片

img_0

📊 实验亮点

论文在自主电动滑板车原型上进行了真实实验，验证了所提出的路径跟踪方法的有效性。实验结果表明，该方法能够使滑板车精确地沿预定路径行驶，并保持良好的平衡性。此外，该方法能够在 Raspberry Pi 5 上实时运行，满足实际应用的需求。具体的性能数据（例如，路径跟踪误差，平衡控制精度）未知，但实验结果表明该方法具有良好的实用性。

🎯 应用场景

该研究成果可应用于电动滑板车共享系统，实现滑板车的自动调度、自动充电和自动停放，从而降低运营成本，提高运营效率。此外，该技术也可推广到其他类型的自主移动机器人，例如，自动驾驶轮椅、物流配送机器人等，具有广阔的应用前景。

📄 摘要（原文）

In order to mitigate economical, ecological, and societal challenges in electric scooter (e-scooter) sharing systems, we develop an autonomous e-scooter prototype. Our vision is to design a fully autonomous prototype that can find its way to the next parking spot, high-demand area, or charging station. In this work, we propose a path-following model predictive control solution to enable localization and navigation in an urban environment with a provided path to follow. We design a closed-loop architecture that solves the localization and path following problem while allowing the e-scooter to maintain its balance with a previously developed reaction wheel mechanism. Our model predictive control approach facilitates state and input constraints, e.g., adhering to the path width, while remaining executable on a Raspberry Pi 5. We demonstrate the efficacy of our approach in a real-world experiment on our prototype.