自动驾驶汽车运动轨迹模型预测控制的持续可行性

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

模型预测控制（MPC）方法由于决策的预测范围有限而容易失去可行性。对于自动驾驶车辆的运动轨迹规划而言，在预测范围之外的许多检测到的障碍物在瞬时决策中不能被考虑，这就会导致模型预测控制的不可行性。本文研究了保证模型预测运动规划方案的持续可行性。持续的可行性问题可以表示为计算一个有效的系统控制不变集的问题。在本文中，提出了两种方法来计算运动规划问题的控制不变集。

第一种方法是基于运动规划问题的线性化和凸化，因为避免碰撞约束使得优化问题的容许区域是非凸的。凸化的缺点大大减少了可接受的区域，但是有助于控制变量集合、计算快速高效，因此在某些情况下是可行的解决方案。

第二种方法采用了一种蛮力搜索算法，该算法被离线使用以实时地确定控制不变集。

结果表明，凸化方法更加保守，消除了运动规划中的许多可行的操作。另一方面，使用蛮力搜索算法，提出了一种有效的技术来离线计算控制不变集合，然后在障碍物周围产生的非不变区域，并由两个参数表征，这两个参数可以存储在查询表中用于实际的应用程序。