环境感知与规划专题（五）——模型预测控制（MPC）在运动规划中的应用（一）

前言

 上一章介绍了一种高效、实时的运动规划算法——JerkLimitedTrajectory（JLT）。

 在给定起始状态与终止状态后，该算法能够快速地计算出一条符合三阶积分器动力学模型的运动轨迹。其适用于类似多旋翼无人机的对象，能够解决一般的运动规划问题。

 然而，其存在一定的局限性，如：

• 轨迹平滑度与MAX_JERK之间存在不可调和的矛盾。即很难找到一组参数，使得生成的
  轨迹既平滑又快速。
• 其只适用于三阶积分器模型，对于其他非线性模型而言，JLT显得无能为力。

 因此，本篇将介绍另外一种通用的运动规划算法——模型预测控制（MPC）。

 它既是一种控制算法，也常被应用于解决运动规划问题，如今被广泛应用于自动驾驶/能源等领域。

模型-预测-控制（M-P-C）

 所谓模型预测控制，即由模型、预测、控制三大部分组成。

• 模型

 这里的模型包含系统模型以及问题模型。

 系统模型（System model）指的是被控对象的数学模型，如无人机的运动学模型。无人机的飞行轨迹需要时刻满足该数学模型，由此生成的轨迹才是满足基本的运动学约束关系的。