在过去的几个世纪里，由于科学和工业的重大突破，社会发生了巨大的变化。新的机械和电子技术使自动化机器取代人类劳动成为可能。机器人技术的标准化旨在将这一发展推向新的高度，取代人类对物质世界的干预，甚至在我们生活中曾经被认为是微不足道的领域，如驾驶、清洁和美化环境。机器人已被用于执行琐碎、体力消耗大、重复和单调的任务。此外，它们还可以在危险或难以接近的环境中工作，从而超越人类的能力。从经济角度看，使用机器人劳动很有吸引力，因为机器可以连续作业。
随着机器人在我们的工业和日常生活中越来越普遍，它们有可能从根本上改变我们与工作的关系。然而，机器人技术在社会中的全部潜力尚未实现，需要进一步的研究、工程和创新，以更好地了解和扩大其应用。
自动化系统面临的主要挑战之一是需要在真实的、因此也是不确定的条件下运行。由于机器人的决策是基于描述自身及其环境的模型，因此后者的数学完美性在描述现实时不可避免地受到限制。一个典型的问题就是参数不确定性，这可能会在执行运动任务时出现，例如当移动机器人必须到达一个特定位置以执行抓取物体等任务时。如果采用的模型是有效的，但输入的参数有误，则任务执行情况可能与预期的名义行为不同。
为了克服机器人技术中固有的这一基本问题，主要的解决方案是设计专门解决这一问题的控制器，同时确保即使在参数偏差的情况下也能保持稳定的行为。第一种经典方法是开发鲁棒控制器，即针对有限范围的参数不确定性保证一定程度不敏感的静态控制法则。不过，这些控制法则必须专门针对当前系统进行调整。基于被动性的方法也可包含在鲁棒控制中，它们利用系统的结构能量特性，对系统参数的变化保持不变。
另一种方法是在执行控制操作的同时进行在线参数估计。这种方法包括向控制器发送最新的测量结果，控制器会根据变化情况加入额外的动态参数。不过，在线参数估计并非易事，因为它需要充分激发机器人的动力，这可能会与主要导航任务发生冲突。此外，估算的动态可能会产生不良瞬态，从而增加损害耦合系统/估算稳定性的风险。
在上述情况下，实现稳健性往往要以牺牲任务的精度或性能为代价。事实上，权衡利弊是不可避免的：要么选择一个完美的控制器，确保跟踪任务的高精度，但它依赖于对模型参数的充分了解（因此非常容易受到干扰）；要么选择一个控制器，确保一定程度的抗干扰鲁棒性，但往往只能实现所谓的实用稳定。
另一种观点则颠倒了应对参数不确定性的主要设计理念：与其将重点放在设计复杂的控制器上，不如保持系统/控制器的原样，保留其优缺点，并将重点放在优化轨迹上，以提高参数不确定系统的性能。从这一角度出发，近期的工作重点是生成所谓的前馈轨迹，这种轨迹可以适当地将系统的 “开环 ”状态敏感性降至最低。
最近，这些工作已扩展到规划 “闭环 ”状态灵敏度最小的轨迹。这项新研究被称为 “控制感知”（control-aware），它将系统/控制器耦合直接整合到优化中。这样，即使在参数不确定的情况下，对运动设定点形状的适当选择也能确保导航任务的稳健性。这种方法可能对未来的许多应用都有好处，我们认为值得进一步开发。
在这方面，本论文的主要目标是探索鲁棒、控制感知轨迹规划在参数不确定性方面提供的可能性和局限性。研究问题更明确地表述为四旋翼飞行器新型轨迹规划框架的设计（和实施）。所介绍软件方法的有效性始终通过广泛的统计模拟活动进行实证评估。
原文
相关内容
微信扫码咨询专知VIP会员