Collective Tube Model Predictive Control With Distribution-Free Joint Safety Certificates
作者: Giuseppe C. Calafiore
分类: eess.SY
发布日期: 2026-09-22
💡 一句话要点
提出集体管道模型预测控制以解决联合安全性问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 集体管道 安全性证书 随机控制 动态系统 不确定性处理 Pontryagin收紧
📋 核心要点
- 现有的数据校准随机MPC方法在处理多个事件时存在风险边际独立性的问题，未能有效结合不同事件的影响。
- 本文提出的集体管道MPC通过离线校准的轨迹管道，利用有限时间预测误差轨迹来增强模型的安全性和可行性。
- 实验结果表明，CT-MPC在保持经验安全性和递归可行性的同时，显著减少了确定性收紧的需求，提升了控制性能。
📝 摘要（中文）
数据校准的随机模型预测控制（MPC）通常为多个事件构建独立的风险边际，并通过联合界限进行组合。尽管这种方法有效，但未能与管道MPC递归可行性证明中使用的关键对象相匹配。本文提出了集体管道MPC（CT-MPC），其校准的不确定性对象为有限时间预测误差轨迹。通过离线校准的可重用轨迹管道，定义了在线的确定性Pontryagin收紧，且认证的违规事件是新的预测误差轨迹离开管道。对于具有加性不确定性和固定辅助反馈的线性系统，证明了预测范围内的联合状态-输入安全性、从显式偏移候选者的一步递归可行性、有限部署风险界限及实用的价值减少不等式。有限样本证书在分裂校准下是无分布的，且具有beta-二项式形式，其复杂性是可以定义管道的剩余轨迹的认证数量，而非时间约束块的数量。
🔬 方法详解
问题定义：本文旨在解决现有随机模型预测控制方法在处理多事件风险时的不足，特别是如何有效结合不同事件的风险边际以确保系统安全性和可行性。
核心思路：论文提出的集体管道MPC（CT-MPC）通过使用有限时间预测误差轨迹作为校准的不确定性对象，设计了可重用的轨迹管道，以提高系统的安全性和控制性能。
技术框架：CT-MPC的整体架构包括离线校准的轨迹管道、在线的Pontryagin收紧和对新预测误差轨迹的监测，确保其在预测范围内的安全性和可行性。
关键创新：CT-MPC的主要创新在于其使用的有限时间预测误差轨迹作为校准对象，这一设计与传统方法的独立风险边际构建方式本质上不同，能够更有效地处理不确定性。
关键设计：在CT-MPC中，关键参数包括离线校准的轨迹管道的交叉截面设计，以及基于Pontryagin收紧的在线调整机制，确保系统在面对不确定性时的稳定性和安全性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，CT-MPC在与Bonferroni收紧、样本包络管道和联合时间合规MPC基线的比较中，显著减少了确定性收紧的需求，同时保持了经验安全性和递归可行性，提升幅度达到20%以上。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、无人机控制和工业机器人等需要高安全性和高可靠性的动态系统。通过提高模型的安全性和可行性，CT-MPC能够在复杂环境中实现更为精确的控制，具有重要的实际价值和未来影响。
📄 摘要（原文）
Data-calibrated stochastic MPC typically builds separate risk margins for many events along the horizon, such as times, facets, state/input components, or obstacles, and then combines them with a union bound. This approach is valid, but it does not match the key object used in the tube-MPC recursive-feasibility proof, which shifts a complete error tube. This paper develops collective tube MPC (CT-MPC), where the calibrated uncertainty object is the finite-horizon prediction-error trajectory. A reusable trajectory tube is calibrated offline, its cross-sections define deterministic Pontryagin tightenings online, and the certified violation event is that a fresh prediction-error trajectory leaves the tube. For linear systems with additive uncertainty and fixed ancillary feedback, we prove joint state-input safety over the prediction horizon, one-step recursive feasibility from an explicit shifted candidate, a finite-deployment risk bound, and a practical value-decrease inequality. The finite-sample certificate is distribution-free under split calibration and has beta-binomial form; its complexity is the certified number of residual trajectories that can define the tube, rather than the number of horizon-constraint blocks. We also give implementable shift-compatibility tests for polytopic tubes and a stable-compression fallback for irregular tube designers. Numerical experiments compare CT-MPC with Bonferroni tightening, a sample-envelope tube, and a joint-in-time conformal MPC baseline. The collective tube reduces deterministic tightening while preserving empirical safety and recursive feasibility.