Нейронная NMPC с кодированием поля знаковых расстояний для предотвращения столкновений

Описание: Принято в IJRR.
Arxiv: https://arxiv.org/abs/2511.21312
Код: https://github.com/ntnu-arl/sdf-nmpc
Страница проекта: https://ntnu-arl.github.io/sdf-nmpc/

В данной статье представлена ​​платформа управления с использованием нейронной нелинейной модели (NMPC) для навигации без карт и столкновений в неизвестной среде с помощью воздушных роботов с использованием бортовых датчиков дальности. Мы используем глубокие нейронные сети для кодирования одного изображения дальности, собирая всю доступную информацию об окружающей среде, в поле расстояний со знаком (SDF). Предлагаемая нейронная архитектура состоит из двух каскадных сетей: сверточного кодера, который сжимает входное изображение в низкоразмерный латентный вектор, и многослойного персептрона, который аппроксимирует соответствующую пространственную SDF. Эта последняя сеть параметризует явное ограничение положения, используемое для предотвращения столкновений, которое встроено в отслеживающий скорость NMPC, который выдает роботу команды тяги и положения. Сначала проводится теоретический анализ вносимого NMPC, проверяющий рекурсивную реализуемость и свойства устойчивости при фиксированных наблюдениях. Затем мы оцениваем производительность компонентов, основанных на обучении, в разомкнутом контуре, а также производительность контроллера в замкнутом контуре в ходе моделирования и экспериментов. Исследование моделирования включает в себя исследование абляции, сравнение с двумя современными методами локальной навигации и оценку устойчивости к дрейфующей одометрии. Реальные эксперименты проводятся в лесной среде и демонстрируют, что нейронный NMPC эффективно предотвращает столкновения в условиях загромождения на основе нежелательной входной опорной скорости и оценок дрейфующего положения.

Принято в IJRR. Arxiv: https://arxiv.org/abs/2511.21312
Страница проекта: https://ntnu-arl.github.io/sdf-nmpc/
Github: https://github.com/ntnu-arl/sdf-nmpc