卡内基梅隆大学—TinyMPC:适用于资源受限的微控制器的模型预测控制（MPC）算法

文章预览

机器人规划与控制研究所  ——机器人/自动驾驶规划与控制方向综合、全面、专业的平台。2万人订阅的微信大号。点击标题下蓝字“机器人规划与控制研究所”关注，我们将为您提供有价值、有深度的延伸阅读。 卡内基梅隆大学机器人探索实验室开发了一种TinyMPC算法，它是一款专为凸模型预测控制量身定制的开源求解器，可提供高速计算和较小的内存占用。TinyMPC 使用 C++ 实现，具有最小的依赖项， 特别适用于资源受限平台上的嵌入式控制和机器人应用。TinyMPC 可以处理状态和输入边界以及二阶锥约束。 Python 接口可用于 帮助为嵌入式系统生成代码。 TinyMPC项目的 github代码 链接为 https://github.com/TinyMPC/TinyMPC。 下图分别展示了 TinyMPC动态避障和8字跟随性能以及 火箭软着陆问题上的轨迹跟踪性能 试验。 （1）动态避障 TinyMPC 的运行速度足够快，可以 ………………………………