陳致生 | Chih-Sheng Chen機器學習、數學與訊號處理筆記 (舊名「棒棒生」)
陳致生 | Chih-Sheng Chen機器學習、數學與訊號處理筆記 (舊名「棒棒生」)

Notes for Model Predictive Control

目錄

從一開始決定上課後,經過了半年終於來到 Udacity Term2 最後一個 Project 了。只能說盡量讓自己把每一個做的 project 都寫一篇 blog 記錄,但這陣子時間真的不夠用,所以這篇就從 high level 的角度瀏覽一下內容。


目的

我們用上圖來說明目的,MPC 要做的事情,就是給定一個指定的 reference trajectory (黃色的曲線,通常用一個 3rd polynomail 表示),我們經由 motion model 來計算出最佳的控制 ($(\delta,a)$分別表示車子輪子的角度跟加速度),最佳的意思就是這樣的控制會產生出一個 predicted trajectory (綠色的曲線) 使得跟 reference trajectory cost 最小。
這就等於將問題轉換成一個 nonlinear constraint optimization problem 了。
另外剛才提到的控制項 $(\delta,a)$,其中的 $\delta$ 為下圖的 Wheel Orientation 角度:

而 $a$ 表示加速度,正值是踩油門,負值是踩煞車。這邊我們當然假設油門和煞車同時只會有一個存在啦,開車技術沒這麼好。


Motion Model

這 6 個 states $(x,y,\psi,v,cte,e\psi)$ 分別表示 (車子x座標, 車子x座標, 車子heading角度, 車子速度, Cross Track Error, Error of 車子角度)
CTE 或稱 XTE 是 reference position 跟 actual position 之間的誤差

同理 $e\psi$ 就是 reference 的角度跟實際角度的差值了,注意到,由於 reference trajectory 可能是一個 3rd polynomail,我們可以算切線來求得 reference 的角度。


Tools of Nonlinear Constraint Opt

兩個主要的 tool:

  1. Ipopt
    Interior Point OPTimization,用來解 nonlinear constraint opt 問題。
  2. CppAD
    在使用 Ipopt 的時候,需要計算 function 的 gradients,而 CppAD 可以幫我們自動計算。

一個很棒的使用兩個 tools 解 opt 問題的範例: link


Consider with Latency

通常下了一道 actuator 命令 (例如加速度要多少、輪子角度要多少),到實際上車子運作會有一個 delay,而 Udacity simulator 設定這個 latency 是 0.1 second。

這個 latency 在車子速度較快的時候,影響會很大,導致車子無法正確開完。一個簡單的解法就是我們利用 motion model 去預測經過 latency 後的車子 states,然後後面所有流程都一模一樣即可。


Results


Reference

my github

目前解鎖成就