研究提出基于GPU加速的实时鲁棒自适应控制框架A-SLS

预印本摘要称，研究者提出基于系统级综合的学习感知鲁棒自适应模型预测控制框架 A-SLS，配合 GPU 加速求解器实现实时控制。A-SLS 通过预测未来参数不确定性并保留扰动与参数误差相关性来构建更紧致的可达集，从而降低传统控制的保守性。该方法在具有 61 个状态和 12 个控制输入的四足机器人全身控制上验证了扩展性，并在真实 Crazyflie 无人机上完成了飞行中在线学习动态参数与自稳定。