车辆控制器并不总会公开自身如何影响车辆，这使模型预测控制（MPC）面临信息盲区。所提出的基于学习的智能体MPC（LAMPC）从实时数据中学习每个未知控制器的作用，将其预测均值纳入车辆模型，并利用考虑不确定性的安全约束，在保留即插即用多控制器架构的同时改善轨迹跟踪效果。
目录
研究人员构建了什么？
研究人员构建了LAMPC——一种将基于智能体的模型预测控制与机器学习结合起来的车辆混合控制器。该系统面向综合车辆控制，也就是多个机制同时影响车辆运动的场景。典型例子包括差动制动、主动前轮转向，以及在车轮之间调节驱动扭矩的扭矩矢量分配。
在传统的基于智能体的MPC中，每个控制模块都被表示为一个“智能体”，并拥有明确的任务和数学模型。各智能体共享信息并协调控制指令，使整个系统在保留模块化、即插即用结构的同时，表现得像一个集中式控制器。当车辆配置发生变化，或某个控制单元不可用时，这种设计尤其有用。
实际问题在于，部分模块是黑箱。第三方控制器可能会公开输入和输出信号，却不透露内部算法，也不说明它如何改变车辆动力学。LAMPC加入了一个学习模块，根据测得的车辆状态和控制器输入，估计这种隐藏的影响。
该学习组件使用高斯过程回归（GPR），这是一种既能预测期望值、又能给出不确定性度量的统计模型。预测得到的期望贡献会改进MPC所使用的车辆模型；不确定性则被纳入安全约束，使控制器在学习模型可靠性较低时保持谨慎。
取得了哪些关键结果？
研究报告显示，当隐藏控制器的作用已被可靠学习时，与传统的基于智能体的MPC相比，LAMPC能够改善跟踪性能。跟踪性能指车辆跟随目标路径、速度或运动状态的接近程度。性能提升源于对未知智能体造成的预测误差进行了修正，而不是让MPC在不完整模型上运行。
研究同时涵盖仿真和实验，而非仅停留在数学证明层面。在这些测试中，系统被认为具备四项主要优势：更强的跟踪能力、概率式安全防护、实时运行能力，以及灵活的智能体配置。
安全性结果很重要，但需要谨慎理解。LAMPC采用随机机会约束，限制车辆约束被违反的可接受概率。这种方法并不能保证在所有条件下绝不发生违规；它提供的是一种管理置信度有限这一事实的手段，在优化可行性与一个较小且明确的违规概率之间进行权衡。
研究还将LAMPC与传统AMPC进行了比较，发现当数据能够充分描述未知行为时，学习机制最有价值。作者并未将学习视为控制理论的替代品。相反，机器学习负责补充缺失的模型信息，而MPC继续负责选择满足约束的控制动作。
基于学习的智能体MPC如何工作？
LAMPC以反复执行的“学习—控制”闭环运行。
首先，系统利用车辆运行期间已经能够获得的信号准备训练数据。一个新的数据点由前一时刻的输入和输出组成。输入可以包括测得的车辆状态，也可以包括建模过程中选定的信号；输出则表示已知车辆模型无法解释的未知贡献。
其次，数据管理层会避免学习数据集变得过大或包含过多重复信息。系统通过计算新数据点与现有点之间的欧氏距离来评估它。如果新点足够不同且存储空间仍然充足，就将其加入数据集；如果数据集已满，则可以替换一个距离较远的已有点。当新点与某个已有样本接近、但其输出误差较大时，也可以用新点替换该样本，因为它包含重要的新信息。
第三，GPR利用经过管理的数据集，在MPC预测时域内预测未知贡献。超参数可以离线训练，而预测过程在线运行。系统会输出两项结果：
- 预测均值： 对未知控制器影响的估计，并将其加入已知车辆模型。
- 预测方差： 对不确定性的估计，用于扩大或收紧安全裕度。
随后，MPC会为所有可控智能体优化控制指令。它综合考虑车辆动力学、目标跟踪、执行器限制和安全约束。由于预测不确定性会沿预测时域变化，控制器可以在未来模型更不确定的部分采取更保守的策略。
该方法还在不确定性传播中采用反馈信息。控制器在向前推演不确定性时，并不把预测误差完全当作开环扰动，而是将纠正性反馈的作用考虑在内。结合软机会约束，这有助于提高优化问题保持可行的概率。永远不能放宽的硬约束可能会在不确定性增大时导致控制器无法产生任何指令；软约束则允许进行受控权衡。
最终形成的架构保留了基于智能体的MPC的灵活拓扑结构。各智能体可以采用不同连接方式，而学习层则补全那些内部模型不可用的智能体所缺失的行为信息。
基于学习的智能体MPC为何对机器人技术重要？
机器人系统越来越多地组合来自不同供应商、不同代际和不同软件栈的控制器。移动机器人可能同时使用供应商提供的驱动系统控制器和本地开发的轨迹跟踪器；自动驾驶车辆则可能整合制动、转向、扭矩和稳定性系统。如果这些模块无法被完整建模，集中式优化器的预测精度就会下降。
LAMPC提供了一种务实的折中方案。它不要求开放、逆向分析或替换每个控制器，而是学习控制器可观测的作用，并将安全关键决策层保留在MPC内部。对于供应商需要保护专有算法，或遗留模块无法修改的部署场景，这种分工颇具吸引力。
数据管理策略还应对了一个常见的部署问题：在线学习可能会产生大量重复测量。控制数据密度能够在保留代表新运行条件的样本的同时，降低GPR推理的计算负担。这对于处理器能力有限的嵌入式系统十分重要。
同一设计理念也适用于车辆之外的领域。评估二手工业机器人的机器人集成商经常需要面对混合硬件、售后控制器和不完整文档。基于学习的协调层或许能帮助这类系统适应未知的执行器或工具行为，但车辆实验结果并不能自动证明其在工业机器人上的性能。
有哪些局限与开放问题？
LAMPC依赖运行期间持续获得有用数据。如果输入选择不当、运行条件覆盖有限、传感器噪声较大，或未知控制器的行为发生变化，预测质量都可能下降。因此，在学习结果变得可靠之前，该方法需要一个安全的初始运行区间。
随着训练数据集增大，GPR的计算成本也会提高，因此子集选择并非可有可无，而是必不可少。所提出的数据管理规则能够控制这一成本，但也会丢弃部分信息，并可能移除日后变得重要的罕见运行状态样本。
机会约束提供的是概率式防护，而非绝对安全保证。其有效性取决于预测方差能否真实反映不确定性。该研究聚焦于车辆控制，因此未来还需要测试这种方法应对执行器故障、黑箱控制器突然改变、长期分布偏移以及认证要求的能力。
常见问题
LAMPC解决什么问题？
LAMPC能够估计内部模型或算法不可用的车辆控制器所产生的影响，使MPC无需将这些控制器的行为完全视为未知，也能对其进行协调。
LAMPC如何提升安全性？
它利用高斯过程预测得到的方差构造软机会约束。这样，控制器就能在考虑不确定性的同时，保持优化问题具有可行解。
LAMPC会取代模型预测控制吗？
不会。机器学习负责估计缺失的动力学信息，而MPC仍然负责选择满足约束的控制指令，并协调可用的智能体。
这种方法适用于任何机器人控制器吗？
该架构旨在支持灵活的智能体配置和黑箱模块。但要在其他机器人上实际使用，仍需要合适的测量数据、充分的训练覆盖，以及对安全假设进行验证。
结论是什么？
LAMPC将在线学习与基于智能体的MPC结合起来，用于处理无法直接建模的车辆控制器。它的核心价值在于将更好的跟踪性能、考虑不确定性的安全处理、实时数据管理，以及模块化控制器集成结合到了一起。
对于黑箱机器人控制器，应当在线学习，还是替换为显式模型？