Kernkonzepte
非線形モデル予測制御(NMPC)におけるプログレッシブスムージング手法は、障害物回避を改善し、性能を向上させる。
Zusammenfassung
自動車の運動計画において、非線形最適化アルゴリズムを使用して効率的に障害物回避問題を解決することが重要である。本研究では、従来の楕円形制約フォーミュレーションよりも優れたパフォーマンスを提供するプログレッシブスムージング手法が提案されている。この手法は、異なるフォーミュレーションと比較され、閉ループシミュレーションで評価されている。結果として、プログレッシブスムージング手法は他の手法よりも優れた性能を示し、特定のケーススタディで改善されたパフォーマンスをもたらすことが示されている。
Zitate
"The loss of optimality due to constraint over-approximation can be reduced significantly if the over-approximations are rather tight near the beginning of the horizon."
"The ScaledNorm formulation is monotonously tightening and over-approximating, as well as convex in ξ."
"The ScaledNorm approach, as well as the alternative formulations Boltzmann and LogSumExp outperform the benchmarks."