Resumo Técnico: Rastreamento de Trajetória Robusto para Veículos via Aprendizado de Resíduos em Tempo Contínuo: Uma Abordagem ICODE-MPPI

1. Formulação do Problema

Veículos Terrestres Autônomos (AGVs) operando em ambientes não estruturados ou perturbados exigem rastreamento de trajetória preciso e evitação proativa de obstáculos. Embora o Controle Preditivo por Modelo (MPC) seja um paradigma padrão, sua natureza baseada em gradientes frequentemente luta com paisagens de custo não convexas. O controle por Integral de Trajetória Preditiva por Modelo (MPPI) emergiu como uma alternativa robusta, livre de derivadas e baseada em amostragem, capaz de lidar com dinâmicas não lineares complexas e restrições.

No entanto, a eficácia do MPPI é fundamentalmente limitada pelo descompasso modelo-planta. A lei de controle depende de uma expectativa sobre trajetórias amostradas; se o modelo nominal de dinâmica direta for impreciso, as simulações resultantes serão enviesadas. Isso leva a sequências de controle subótimas, offsets persistentes de rastreamento e chatter de controle de alta frequência. Soluções baseadas em dados existentes, como Perceptrons Multicamada (MLPs) e Processos Gaussianos (GPs), enfrentam desafios: MLPs frequentemente carecem de consistência física em transições de tempo discreto, enquanto GPs incorrem em sobrecarga computacional proibitiva para otimização em tempo real. Além disso, integrar métodos de aprendizado em tempo contínuo com garantias de estabilidade à arquitetura de amostragem estocástica do MPPI permanece um desafio aberto.

2. Metodologia: O Framework ICODE-MPPI

Os autores propõem o ICODE-MPPI, um framework híbrido que integra Equações Diferenciais Ordinárias Neurais Concomitantes de Entrada (ICODEs) no horizonte de previsão do MPPI para aprender e compensar dinâmicas residuais não modeladas.

A. Arquitetura ICODE para Modelagem de Resíduos

Diferentemente das Equações Diferenciais Ordinárias Neurais (Neural ODEs) padrão que tratam entradas como parâmetros desconhecidos, a arquitetura ICODE proposta impõe um priori afim de controle nas dinâmicas aprendidas. Isso garante que o termo residual se alinhe com a estrutura física dos sistemas robóticos, onde as entradas de controle entram nas derivadas de estado linearmente. As dinâmicas residuais aprendidas, $f_{res}$, são definidas como:

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

Onde:

• $f_{\theta}(x)$ representa o desvio autônomo dependente do estado (ex.: atrito não modelado, arrasto).
• $g_{\theta,j}(x)$ representa campos de ganho dependentes do controle (ex.: eficácia do atuador).

Esta decomposição afim fornece um viés indutivo forte, melhorando a eficiência de amostragem e a generalização em comparação com redes totalmente conectadas de caixa preta. As dinâmicas previstas totais usadas para as simulações do MPPI combinam o modelo nominal do veículo ($f_{nom}$) e o residual aprendido:
$$\dot{x}_{pred}(t) = f_{nom}(x(t), u(t)) + f_{res}(x(t), u(t); \theta)$$

B. Integração com MPPI

O modelo ICODE é incorporado diretamente no módulo de previsão direta do MPPI. Durante a fase de amostragem, o controlador simula milhares de trajetórias potenciais usando as dinâmicas Nominal-ICODE aumentadas. Isso permite que o sistema antecipe perturbações ambientais e forças não modeladas em tempo real, compensando proativamente erros residuais em vez de reagir a eles após sua ocorrência.

C. Agregação Iterativa de Dados e Treinamento

Para garantir modelagem de alta fidelidade em todo o envelope operacional, os autores empregam um framework de agregação iterativa de dados:

1. Exploração Aleatória ($D_{rand}$): O veículo é excitado com entradas de controle aleatórias para capturar respostas físicas amplas e limites de estabilidade.
2. Dados Específicos da Tarefa ($D_{task}$): À medida que o treinamento progride, o controlador MPPI usa o modelo atual para executar tarefas de seguimento de trajetória, coletando transições de estado-ação on-policy.
3. Loop de Treinamento: O conjunto de dados $D = D_{rand} \cup D_{task}$ é usado para minimizar o erro de previsão multi-etapa via um solucionador RK4. O modelo atualizado é reimplantado no planejador MPPI, criando um loop de feedback de auto-correção que reduz continuamente a incerteza de modelagem.

3. Contribuições Principais

O artigo delineia três contribuições primárias:

1. Framework de Dinâmicas Residuais: Desenvolvimento de um framework de aprendizado de resíduos em tempo contínuo baseado em ICODEs e agregação iterativa de dados, que captura incertezas enquanto mantém alta consistência física.
2. Compensação Proativa: Integração do modelo ICODE treinado no horizonte de previsão do MPPI, permitindo que o sistema compense perturbações ambientais e mitigue o desvio de rastreamento em regime permanente inerente a modelos nominais.
3. Benchmarking Abrangente: Uma avaliação rigorosa do ICODE-MPPI contra baselines MPPI padrão, utilizando Erro Quadrático Médio (RMSE) de variáveis de estado e densidades de probabilidade de taxa de controle para demonstrar precisão de rastreamento superior e suavidade de controle.

4. Resultados Experimentais

O framework foi avaliado em simulações de alta fidelidade em três trajetórias complexas (Elipse, Onda Senoidal e Figura-8) sob perturbações externas persistentes e variantes no tempo (modeladas como sinais senoidais compostos afetando posição e rumo).

A. Precisão de Rastreamento

• Redução de Erro: O ICODE-MPPI alcançou uma redução significativa nos erros de rastreamento transversal. Na trajetória de Elipse, o erro na direção Y foi reduzido em até 69% em comparação com o MPPI padrão.
• Supressão de Desvio: Enquanto o MPPI padrão exibiu offsets persistentes em regime permanente e overshoot severo em pontos de inflexão de curvatura, o ICODE-MPPI manteve aderência apertada à trajetória de referência ao antecipar perturbações laterais.
• Análise de Trade-off: Os autores notam um ligeiro aumento no RMSE de Guinada (rumo) para o ICODE-MPPI em alguns casos. Isso é atribuído a uma estratégia de controle deliberada: o controlador prioriza a segurança espacial estrita (X, Y) contra fortes perturbações laterais realizando ajustes de rumo mais agressivos, sacrificando o alinhamento perfeito do rumo pela precisão posicional.

B. Suavidade e Estabilidade do Controle

• Redução de Chatter: A análise do "jerk" de controle (taxas de variação para aceleração e direção) revelou que o MPPI padrão exibiu distribuições amplas e picos planos, indicando severo chatter de controle. Em contraste, o ICODE-MPPI demonstrou um pico mais alto em zero e uma distribuição mais estreita para taxas de direção, significando comandos de direção significativamente mais suaves e redução de chatter.
• Acoplamento Longitudinal-Lateral: Os autores observaram que, embora a suavidade da direção tenha melhorado, a distribuição da taxa de aceleração para o ICODE-MPPI foi ligeiramente mais ampla em certos cenários. Isso é justificado fisicamente pelo acoplamento lateral-longitudinal: correções agressivas de direção para manter a segurança lateral sob pesadas perturbações induzem forças laterais nos pneus que causam pequenas perdas de momento para frente, exigindo ajustes de aceleração longitudinal mais frequentes para manter a velocidade de referência.

5. Significado e Alegações

O artigo alega que o ICODE-MPPI representa um avanço significativo no rastreamento de trajetória robusto, ao preencher a lacuna entre modelagem idealizada e perturbações do mundo real. Ao aproveitar o aprendizado de resíduos em tempo contínuo com garantias de estabilidade, o framework:

• Preserva Consistência Física: Diferentemente de aprendizes de tempo discreto, os ICODEs mantêm continuidade temporal e consistência física ao longo de todo o horizonte de previsão do MPPI.
• Aumenta a Robustez: Suprime efetivamente o chatter de controle e mitiga o desvio em regime permanente, resultando em comandos de direção mais suaves e desempenho superior em ambientes altamente perturbados.
• Trade-offs Estratégicos: O sistema demonstra uma capacidade estratégica de trocar desvios transitórios menores de rumo pela segurança posicional absoluta, um requisito crítico para navegação autônoma robusta.

Os autores concluem que, embora o método mostre desempenho superior em simulação, trabalhos futuros focarão em estender o framework para incluir evitação dinâmica de obstáculos e validar o desempenho em tempo real em veículos físicos em escala reduzida.