自動駕駛汽車運動軌跡模型預測控制的持續可行性

（Guaranteeing Persistent Feasibility of Model Predictive Motion Planning for Autonomous Vehicles）

模型預測控制（MPC）方法由于決策的預測范圍有限而容易失去可行性。對于自動駕駛車輛的運動軌跡規劃而言，在預測范圍之外的許多檢測到的障礙物在瞬時決策中不能被考慮，這就會導致模型預測控制的不可行性。本文研究了保證模型預測運動規劃方案的持續可行性。持續的可行性問題可以表示為計算一個有效的系統控制不變集的問題。在本文中，提出了兩種方法來計算運動規劃問題的控制不變集。

第一種方法是基于運動規劃問題的線性化和凸化，因為避免碰撞約束使得優化問題的容許區域是非凸的。凸化的缺點大大減少了可接受的區域，但是有助于控制變量集合、計算快速高效，因此在某些情況下是可行的解決方案。

第二種方法采用了一種蠻力搜索算法，該算法被離線使用以實時地確定控制不變集。

結果表明，凸化方法更加保守，消除了運動規劃中的許多可行的操作。另一方面，使用蠻力搜索算法，提出了一種有效的技術來離線計算控制不變集合，然后在障礙物周圍產生的非不變區域，并由兩個參數表征，這兩個參數可以存儲在查詢表中用于實際的應用程序。