原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
坚固且高效的嵌入式凸优化
通过一阶自适应缓存
123
IshaanMahajanandBrianPlancher
Abstract—近期，模型预测控制（MPC）通过结合一阶方
法，如交替方向乘子法（ADMM），以及离线预计算和缓存选
定操作的组合取得了令人兴奋的进展，实现了微控制器上的实
时MPC。不幸的是，这些方法需要使用固定超参数，限制了
其适应性和整体性能。在本研究中，我们引入了一阶自适应缓
存技术，该技术不仅预先计算选定的矩阵操作及其对超参数变
化的敏感度，而且还允许在线更新超参数而无需完全重新计算
本缓存。我们在多个动态四旋翼任务上展示了我们的方法的有效
译性，与使用优化固定超参数相比，ADMM迭代次数减少了高达
63.4%，接近于完全重新计算缓存的70%性能，同时将计算复杂
32
中度从On降低到On。这种性能使我们能够在风扰动下执行
127克微型四旋翼的八字轨迹。我们将实现开源，以造福更广泛
v的机器人社区。
1Fig.1:在风扰动下使用一阶自适应缓存技术执行八字
3飞行（顶部）和稳定悬停（底部）的Crazyflie2.1+叠
2I.介绍加图像。
3
0.模型预测控制（MPC）是自主系统实时控制的最规避[17],[18]。这些方法通过策略性地移除约束条
7先进技术[1],[2],[3],[4],[5]。然而，其计算复杂性使件[19]、模型松弛[20]和学习动力学[21]等手段得
0
5其难以部署在具有有限机载计算能力和快速控制速率到了进一步扩展。这些进展为高度动态的智能微型机
2
:的小型机器人上（例如，小型四旋翼飞行器）[6],[7]。器人的未来铺平了道路。
v
i这导致过去有许多研究开发神经网络或显式MPC解
x尽管基于缓存的方法显著减少了计算开销，并且
r决方案来预先计算控制律并克服这些计算挑战[8],[9],
a能够实现实时性能，但它们要求在离线状态下固定
[10]。
ADMM求解器中的关键超参数。不幸的是，如ADMM
同时，先前的研究探索了使用一阶优化方法，如
惩罚参数等超参数对于确保快速和可靠的收敛至关
交替方向乘子法（ADMM），来提高嵌入式MPC求
重要。事实上，最先进的ADMM求解器通常通过启
解器的效率[11]。这些求解器在各种硬件平台上展
发式或基于学习的方法在线调整以确保高性能操
示了最先进的性能，特别是在资源受限的嵌入式系统
作[11],[15],[22],[23]。然而，在现有的缓存方法中，
中[12],[13],[14],[15],[16]。最近，通过预先计算并
修改将需要完全重新计算缓存，从而抵消了预计算
缓存ADMM算法中的选定矩阵操作，利用离线和在
文档评论（0）