Optimization-Based Autonomous Racing

基于数学优化的遥控赛车自动驾驶技术，利用车辆动力学模型，通过后退地平线控制器计算控制输入，提升轨迹进度同时满足轨迹保持和避障要求。

设计了两种控制策略。第一种采用两层结构，包含路径规划器与非线性模型预测控制器(NMPC)。第二种融合轨迹规划与跟踪，基于轮廓控制思想，将两任务合并为单一非线性优化问题。

通过线性化技术获得线性齿形变化模型，在采样点上构造凸二次规划近似，用于控制非线性规划的局部求解。这种优化问题呈现典型的模型预测控制(MPC)结构，可利用高效求解器实现毫秒级解算。

避障机制由高层走廊规划器完成，该规划器基于动态规划或 mcans 算法，结合当前对手位置和赛道布局，施加凸约束，确保实时避让效果。这一方法与轨迹重规划技术紧密相关。

在 1:43 比例的遥控赛车上进行了实验，车速超过 3 米/秒，且处于后轮力饱和（漂移）状态下，验证了控制策略的鲁棒性和性能。控制算法在嵌入式平台以 50Hz 采样率运行，证明了实时性和高性能。

此技术紧密结合轨迹优化、避障和控制算法，体现了基于 MPC 的自动驾驶控制优势。相关研究如基于轨迹重规划的避障模型预测控制、自动驾驶纵向跟踪控制等均了支持性理论和实现方法。

模型预测控制作为关键技术，广泛应用于自动驾驶与无人机领域，其预测与优化能力保证了动态环境中的安全与性能。基于强化学习的自动驾驶预测控制技术也正逐步成为补充手段。