Integrating Planning and Predictive Control Using the Path Feasibility Governor

📄 arXiv: 2507.09134v1 📥 PDF

作者: Shu Zhang, James Y. Z. Liu, Dominic Liao-McPherson

分类: eess.SY

发布日期: 2025-07-12

备注: 14 pages, 7 figures, submitted to IEEE Transactions on Automatic Control

💡 一句话要点

提出Path Feasibility Governor，集成路径规划与预测控制，提升非凸环境下的自主导航能力。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 路径规划 模型预测控制 自主导航 非凸环境 可行性调节器

📋 核心要点

  1. 自主系统在非凸环境中生成动态可行、无碰撞轨迹面临挑战，现有方法难以有效集成路径规划与跟踪。
  2. PathFG通过调节MPC的参考轨迹，引导其沿可行路径运动，同时保证约束满足、稳定性和递归可行性。
  3. 实验证明PathFG能扩大吸引域，提高计算效率和可靠性，并在复杂环境的四旋翼导航中实现实时性能。

📝 摘要（中文）

本文提出了一种名为Path Feasibility Governor (PathFG) 的框架，用于集成路径规划器与非线性模型预测控制 (MPC)。在非凸环境中生成动态可行且无碰撞的轨迹是自主系统面临的一项根本挑战。虽然将问题分解为路径规划和路径跟踪可以提高处理效率，但以理论上合理且计算高效的方式集成这些组件仍然具有挑战性。PathFG 通过操纵传递给 MPC 控制器的参考轨迹，引导其沿着路径前进，同时确保约束满足、稳定性以及递归可行性。PathFG 具有模块化特性，兼容重规划，并通过减少对长预测范围的需求来提高计算效率和可靠性。论文证明了其安全性和渐近稳定性，并显著扩大了吸引域。通过四旋翼飞行器在复杂环境中导航的仿真案例研究验证了其实时性能。

🔬 方法详解

问题定义：论文旨在解决自主系统在复杂非凸环境中进行运动规划时，如何有效地集成路径规划和路径跟踪的问题。现有方法通常将运动规划分解为路径规划和路径跟踪两个步骤，但如何将这两个步骤以理论上严谨且计算高效的方式结合起来仍然是一个挑战。现有的方法往往需要很长的预测时域，计算量大，且难以保证安全性和稳定性。

核心思路：PathFG的核心思路是通过一个“可行性调节器”来动态调整MPC的参考轨迹。这个调节器会根据当前状态和环境信息，对路径规划器生成的参考路径进行微调，确保MPC能够沿着这条路径安全地运动，同时满足各种约束条件。这种方法避免了直接在MPC中进行全局路径规划，从而降低了计算复杂度。

技术框架：PathFG的整体框架包含以下几个主要模块：1) 路径规划器：负责生成初始的参考路径。2) Path Feasibility Governor (PathFG)：接收路径规划器生成的参考路径，并根据当前状态和环境信息进行调整，生成新的参考轨迹。3) 非线性模型预测控制 (MPC)：接收PathFG生成的参考轨迹，并计算控制输入，驱动系统沿着轨迹运动。整个流程是迭代进行的，路径规划器可以根据需要进行重规划。

关键创新：PathFG的关键创新在于其将路径规划器和MPC解耦，并通过一个专门的调节器来弥合两者之间的差距。与直接在MPC中进行全局规划相比，这种方法可以显著降低计算复杂度，并提高系统的鲁棒性。此外，PathFG还能够保证系统的安全性和渐近稳定性，并扩大吸引域。

关键设计：PathFG的关键设计包括：1) 如何定义和计算“可行性”：论文可能定义了一个可行性指标，用于衡量当前状态距离可行区域的远近。2) 如何设计调节器的控制律：调节器的控制律需要能够保证MPC沿着参考轨迹运动，同时避免违反约束条件。3) 如何选择MPC的预测时域：由于PathFG的存在，MPC可以使用较短的预测时域，从而降低计算复杂度。具体的参数设置、损失函数和网络结构等技术细节需要参考论文原文。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过仿真实验验证了PathFG的有效性。在四旋翼飞行器在复杂环境中导航的案例中，PathFG能够保证系统的安全性和渐近稳定性，并显著扩大了吸引域。此外，PathFG还能够降低计算复杂度，提高系统的实时性能。具体的性能数据和对比基线需要在论文原文中查找。

🎯 应用场景

该研究成果可广泛应用于各种自主导航系统，例如无人机、自动驾驶汽车、移动机器人等。特别是在复杂、动态的环境中，PathFG能够提高系统的安全性和可靠性，使其能够更好地完成导航任务。此外，该方法还可以应用于机器人操作、运动规划等领域，具有重要的实际应用价值和未来发展潜力。

📄 摘要（原文）

The motion planning problem of generating dynamically feasible, collision-free trajectories in non-convex environments is a fundamental challenge for autonomous systems. Decomposing the problem into path planning and path tracking improves tractability, but integrating these components in a theoretically sound and computationally efficient manner is challenging. We propose the Path Feasibility Governor (PathFG), a framework for integrating path planners with nonlinear Model Predictive Control (MPC). The PathFG manipulates the reference passed to the MPC controller, guiding it along a path while ensuring constraint satisfaction, stability, and recursive feasibility. The PathFG is modular, compatible with replanning, and improves computational efficiency and reliability by reducing the need for long prediction horizons. We prove safety and asymptotic stability with a significantly expanded region of attraction, and validate its real-time performance through a simulated case study of quadrotor navigation in a cluttered environment.