Resumen Técnico: Seguimiento de Trayectoria Robusto para Vehículos mediante Aprendizaje de Residuos en Tiempo Continuo: Un Enfoque ICODE-MPPI

1. Planteamiento del Problema

Los Vehículos Terrestres Autónomos (AGV) que operan en entornos no estructurados o perturbados requieren un seguimiento de trayectoria preciso y una evitación proactiva de obstáculos. Aunque el Control Predictivo Basado en Modelos (MPC) es un paradigma estándar, su naturaleza basada en gradientes a menudo lucha contra paisajes de costos no convexos. El control de Integral de Trayectoria Predictiva de Modelo (MPPI) ha surgido como una alternativa robusta, libre de derivadas y basada en muestreo, capaz de manejar dinámicas no lineales complejas y restricciones.

Sin embargo, la eficacia del MPPI está fundamentalmente limitada por el desajuste entre modelo y planta. La ley de control depende de una expectativa sobre trayectorias muestreadas; si el modelo nominal de dinámica hacia adelante es inexacto, las proyecciones resultantes están sesgadas. Esto conduce a secuencias de control subóptimas, desviaciones persistentes en el seguimiento y vibraciones de control de alta frecuencia. Las soluciones existentes basadas en datos, como los Perceptrones Multicapa (MLP) y los Procesos Gaussianos (GP), enfrentan desafíos: los MLP a menudo carecen de consistencia física en transiciones de tiempo discreto, mientras que los GP incurren en sobrecarga computacional prohibitiva para la optimización en tiempo real. Además, integrar métodos de aprendizaje en tiempo continuo con garantías de estabilidad con la arquitectura de muestreo estocástico del MPPI sigue siendo un desafío abierto.

2. Metodología: El Marco ICODE-MPPI

Los autores proponen ICODE-MPPI, un marco híbrido que integra Ecuaciones Diferenciales Ordinarias Neuronales Concomitantes de Entrada (ICODE) en el horizonte de predicción del MPPI para aprender y compensar dinámicas residuales no modeladas.

A. Arquitectura ICODE para Modelado de Residuos

A diferencia de las Redes Neuronales ODE estándar que tratan las entradas como parámetros desconocidos, la arquitectura ICODE propuesta impone un prior afín de control sobre las dinámicas aprendidas. Esto asegura que el término residual se alinee con la estructura física de los sistemas robóticos donde las entradas de control ingresan a las derivadas del estado de forma lineal. Las dinámicas residuales aprendidas, $f_{res}$, se definen como:

$$\dot{x}_{res}(t) = f_{\theta}(x(t)) + \sum_{j=1}^{m} g_{\theta,j}(x(t))u_j(t)$$

Donde:

• $f_{\theta}(x)$ representa la deriva autónoma dependiente del estado (por ejemplo, fricción no modelada, arrastre).
• $g_{\theta,j}(x)$ representa campos de ganancia dependientes del control (por ejemplo, efectividad del actuador).

Esta descomposición afín proporciona un fuerte sesgo inductivo, mejorando la eficiencia de muestreo y la generalización en comparación con las redes de caja negra totalmente conectadas. Las dinámicas totales predichas utilizadas para las proyecciones del MPPI combinan el modelo nominal del vehículo ($f_{nom}$) y el residual aprendido:
$$\dot{x}_{pred}(t) = f_{nom}(x(t), u(t)) + f_{res}(x(t), u(t); \theta)$$

B. Integración con MPPI

El modelo ICODE se incrusta directamente en el módulo de predicción hacia adelante del MPPI. Durante la fase de muestreo, el controlador simula miles de trayectorias potenciales utilizando las dinámicas aumentadas Nominal-ICODE. Esto permite que el sistema anticipe perturbaciones ambientales y fuerzas no modeladas en tiempo real, compensando proactivamente los errores residuales en lugar de reaccionar a ellos una vez ocurridos.

C. Agregación Iterativa de Datos y Entrenamiento

Para garantizar un modelado de alta fidelidad en todo el envelope operativo, los autores emplean un marco de agregación iterativa de datos:

1. Exploración Aleatoria ($D_{rand}$): El vehículo se excita con entradas de control aleatorias para capturar respuestas físicas amplias y límites de estabilidad.
2. Datos Específicos de Tarea ($D_{task}$): A medida que avanza el entrenamiento, el controlador MPPI utiliza el modelo actual para ejecutar tareas de seguimiento de trayectorias, recolectando transiciones de estado-acción en política.
3. Bucle de Entrenamiento: El conjunto de datos $D = D_{rand} \cup D_{task}$ se utiliza para minimizar el error de predicción de múltiples pasos mediante un solucionador RK4. El modelo actualizado se vuelve a implementar en el planificador MPPI, creando un bucle de retroalimentación de autocorrección que reduce continuamente la incertidumbre del modelado.

3. Contribuciones Clave

El artículo describe tres contribuciones principales:

1. Marco de Dinámicas Residuales: Desarrollo de un marco de aprendizaje de residuos en tiempo continuo basado en ICODEs y agregación iterativa de datos, que captura incertidumbres manteniendo una alta consistencia física.
2. Compensación Proactiva: Integración del modelo ICODE entrenado en el horizonte de predicción del MPPI, permitiendo que el sistema compense las perturbaciones ambientales y mitigue la deriva de seguimiento en estado estacionario inherente a los modelos nominales.
3. Evaluación Exhaustiva: Una evaluación rigurosa de ICODE-MPPI frente a líneas base estándar de MPPI, utilizando el Error Cuadrático Medio (RMSE) de variables de estado y densidades de probabilidad de la tasa de control para demostrar una precisión de seguimiento superior y suavidad de control.

4. Resultados Experimentales

El marco se evaluó en simulaciones de alta fidelidad en tres trayectorias complejas (Elipse, Onda Senoidal y Figura-8) bajo perturbaciones externas persistentes y variables en el tiempo (modeladas como señales sinusoidales compuestas que afectan la posición y la orientación).

A. Precisión de Seguimiento

• Reducción de Error: ICODE-MPPI logró una reducción significativa en los errores de seguimiento transversal. En la trayectoria de Elipse, el error en la dirección Y se redujo hasta un 69% en comparación con el MPPI estándar.
• Supresión de Deriva: Mientras que el MPPI estándar exhibió desviaciones persistentes en estado estacionario y sobrepasos severos en puntos de inflexión de curvatura, ICODE-MPPI mantuvo una adherencia estrecha a la trayectoria de referencia al anticipar perturbaciones laterales.
• Análisis de Compensación: Los autores notan un ligero aumento en el RMSE de Guiñada (orientación) para ICODE-MPPI en algunos casos. Esto se atribuye a una estrategia de control deliberada: el controlador prioriza la seguridad espacial estricta (X, Y) frente a fuertes perturbaciones laterales realizando ajustes de orientación más agresivos, sacrificando la alineación perfecta de la orientación para lograr precisión posicional.

B. Suavidad y Estabilidad del Control

• Reducción de Vibraciones: El análisis de la sacudida de control (tasas de cambio para aceleración y dirección) reveló que el MPPI estándar exhibió distribuciones amplias y picos planos, indicando vibraciones severas de control. Por el contrario, ICODE-MPPI demostró un pico más alto en cero y una distribución más estrecha para las tasas de dirección, lo que significa comandos de dirección significativamente más suaves y reducción de vibraciones.
• Acoplamiento Longitudinal-Lateral: Los autores observaron que, aunque la suavidad de la dirección mejoró, la distribución de la tasa de aceleración para ICODE-MPPI fue ligeramente más amplia en ciertos escenarios. Esto está justificado físicamente por el acoplamiento lateral-longitudinal: las correcciones de dirección agresivas para mantener la seguridad lateral bajo fuertes perturbaciones inducen fuerzas laterales en los neumáticos que causan pequeñas pérdidas en el momento hacia adelante, requiriendo ajustes de aceleración longitudinal más frecuentes para mantener la velocidad de referencia.

5. Significado y Afirmaciones

El artículo afirma que ICODE-MPPI representa un avance significativo en el seguimiento de trayectorias robusto al cerrar la brecha entre el modelado idealizado y las perturbaciones del mundo real. Al aprovechar el aprendizaje de residuos en tiempo continuo con garantías de estabilidad, el marco:

• Preserva la Consistencia Física: A diferencia de los aprendices de tiempo discreto, los ICODE mantienen la continuidad temporal y la consistencia física a lo largo del horizonte de predicción del MPPI.
• Mejora la Robustez: Suprime eficazmente las vibraciones de control y mitiga la deriva en estado estacionario, produciendo comandos de dirección más suaves y un rendimiento superior en entornos altamente perturbados.
• Compensaciones Estratégicas: El sistema demuestra una capacidad estratégica para intercambiar desviaciones transitorias menores de la orientación por seguridad posicional absoluta, un requisito crítico para la navegación autónoma robusta.

Los autores concluyen que, aunque el método muestra un rendimiento superior en simulación, el trabajo futuro se centrará en extender el marco para incluir la evitación dinámica de obstáculos y validar el rendimiento en tiempo real en vehículos físicos a escala reducida.