跳到正文
arXiv · 机器人与计算机视觉· David D\"orner, Giancarlo Troni, Ignacio Torroba, Ivan Stenius·· 8 天前AI 评分58

基于高斯过程增强的六自由度 AUV 模型预测轮廓控制研究

Gaussian Process-Augmented Model Predictive Contouring Control for 6-DoF Trajectory Tracking with a Holonomic AUV

AI 导读

针对小型全向水下机器人(AUV)在水下难以获取精确动力学模型的难题,本文提出一种非线性六自由度模型预测轮廓控制(MPCC)方法,通过高斯过程回归学习残差动力学并嵌入零阶鲁棒优化方案中,使控制器在 25 Hz 保持实时性。仿真消融实验表明残差选择至关重要,基于 MOLA AUV 的水下实验验证了该方法相比名义 MPCC 和工业界常用的 PID 控制器具有更优的轨迹跟踪性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org