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

在本文中，我們提出了一個(gè)車輛橫向控制算法—一個(gè)平順和精確的模型預(yù)測(cè)控制器（SAMPC）。與標(biāo)準(zhǔn)MPC相比，根本區(qū)別在于，在成本函數(shù)中直接解決了駕駛平順問題。控制器的目標(biāo)是基于曲率的一階和二階空間導(dǎo)數(shù)的最小化。通過這樣做，避免了可能導(dǎo)致轉(zhuǎn)向部件和車輛結(jié)構(gòu)永久損壞。通過增加約束來保證良好的路徑跟蹤精度，以避免偏離參考路徑。最后，控制器在斯堪尼亞工程車上進(jìn)行了實(shí)驗(yàn)測(cè)試和評(píng)估。評(píng)估工作由位于瑞典S?dert?lje附近的斯堪尼亞工廠。通過兩條不同的途徑進(jìn)行：一條類似于采礦場(chǎng)景的精確軌道和一條類似于高速公路情況的高速測(cè)試道。即使使用線性化的運(yùn)動(dòng)車輛來預(yù)測(cè)車輛運(yùn)動(dòng)，所提出的控制器的性能也是令人鼓舞的，因?yàn)槠x路徑的距離從未超過30厘米。它在路徑精度和標(biāo)準(zhǔn)MPC方面明顯優(yōu)于工業(yè)用的純追蹤控制器。

與現(xiàn)有的方法進(jìn)行比較，如純追蹤控制器和標(biāo)準(zhǔn)MPC，以偏離路徑和曲率變化率（即，驅(qū)動(dòng)平滑度）的方式測(cè)量。在我們的實(shí)驗(yàn)和模擬中，純追蹤控制器始終是最平穩(wěn)的駕駛控制器。但是，它是最不準(zhǔn)確的控制器。最后，正如預(yù)期的那樣，SA-MPC和標(biāo)準(zhǔn)MPC是最準(zhǔn)確的控制器。為了指出哪一個(gè)是最好的，我們還分析了控制器的曲率變化率，得出SA-MPC比具有相似路徑精度的標(biāo)準(zhǔn)MPC更平順。SA-MPC在駕駛平順性方面起著至關(guān)重要的作用，因?yàn)榕c標(biāo)準(zhǔn)MPC不同，它支持平順的曲率預(yù)測(cè)。因此，SA-MPC是控制器提供了一個(gè)更好的平衡駕駛和準(zhǔn)確的路徑跟蹤。在實(shí)驗(yàn)上，我們將SAMPC與純追蹤控制器進(jìn)行了比較，兩者都部署在斯堪尼亞工程車上。根據(jù)模擬結(jié)果預(yù)測(cè)，SA-MPC明顯優(yōu)于純追蹤控制器。即使使用線性化的運(yùn)動(dòng)車輛來預(yù)測(cè)車輛運(yùn)動(dòng)，控制器的性能也是非常好的，因?yàn)榫嚯x路徑的最大偏差不超過30厘米，平均為6厘米。此外，得出的結(jié)論是，使用仿真環(huán)境對(duì)控制器參數(shù)進(jìn)行調(diào)整提供了對(duì)實(shí)際控制器性能的很好的近似。