自動(dòng)駕駛汽車(chē)運(yùn)動(dòng)軌跡模型預(yù)測(cè)控制的持續(xù)可行性

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

模型預(yù)測(cè)控制（MPC）方法由于決策的預(yù)測(cè)范圍有限而容易失去可行性。對(duì)于自動(dòng)駕駛車(chē)輛的運(yùn)動(dòng)軌跡規(guī)劃而言，在預(yù)測(cè)范圍之外的許多檢測(cè)到的障礙物在瞬時(shí)決策中不能被考慮，這就會(huì)導(dǎo)致模型預(yù)測(cè)控制的不可行性。本文研究了保證模型預(yù)測(cè)運(yùn)動(dòng)規(guī)劃方案的持續(xù)可行性。持續(xù)的可行性問(wèn)題可以表示為計(jì)算一個(gè)有效的系統(tǒng)控制不變集的問(wèn)題。在本文中，提出了兩種方法來(lái)計(jì)算運(yùn)動(dòng)規(guī)劃問(wèn)題的控制不變集。

第一種方法是基于運(yùn)動(dòng)規(guī)劃問(wèn)題的線(xiàn)性化和凸化，因?yàn)楸苊馀鲎布s束使得優(yōu)化問(wèn)題的容許區(qū)域是非凸的。凸化的缺點(diǎn)大大減少了可接受的區(qū)域，但是有助于控制變量集合、計(jì)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(xiàn)使用以實(shí)時(shí)地確定控制不變集。

結(jié)果表明，凸化方法更加保守，消除了運(yùn)動(dòng)規(guī)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(shù)來(lái)離線(xiàn)計(jì)算控制不變集合，然后在障礙物周?chē)a(chǎn)生的非不變區(qū)域，并由兩個(gè)參數(shù)表征，這兩個(gè)參數(shù)可以存儲(chǔ)在查詢(xún)表中用于實(shí)際的應(yīng)用程序。