⚡ electrical engineering

Multi-Step Deep Koopman Network (MDK-Net) for Vehicle Control in Frenet Frame

本文提出了一种多步深层库普曼网络（MDK-Net），该网络利用深度学习在 Frenet 坐标系下构建非线性车辆动力学的全局线性表示，从而实现了一种计算高效的模型预测控制（MPC）策略，在换道等复杂动作中显著优于传统的线性模型。

原作者： Mohammad Abtahi, Mahdis Rabbani, Armin Abdolmohammadi, Shima Nazari

发布于 2026-01-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Mohammad Abtahi, Mahdis Rabbani, Armin Abdolmohammadi, Shima Nazari

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图教会一辆机器人汽车如何驾驶。最大的问题不在于方向盘或油门，而在于汽车的“个性”。汽车是非常复杂的。当你转动方向盘时，汽车并不会瞬间转向；它会发生侧滑，轮胎会抓地或打滑，引擎会轰鸣，悬挂系统会跳动。这些都是“非线性”行为，意味着它们并不遵循简单的、直线式的规则。

试图精确预测一辆车的运动方式，就像试图预测天气一样：它是混乱、混沌且难以准确把握的。

旧方法：“局部地图”

传统上，工程师们试图通过制作一张关于汽车运动的简化线性地图来解决这个问题。这就像是画一张只在你走在人行道上时才有效的社区地图。如果你踏出了人行道（比如开得很快、转弯很急或遇到了颠簸），这张地图就会失效。这就是为什么旧方法在汽车需要进行快速、剧烈动作（例如为了避开障碍物而进行双变道）时经常失败的原因。

新方法：“库普曼透镜”（Koopman Lens）

这篇论文介绍了一种名为“库普曼算子”（Koopman Operator）的新工具。想象一下，你拥有一副特殊的眼镜（一个“透镜”）。当你透过这副眼镜观察汽车时，那些混乱、混沌的非线性运动突然间看起来就像一条简单的直线。

在现实世界中，汽车的运动是一个纠缠在一起的乱麻。库普曼算子是一种数学技巧，它将汽车的状态“提升”到一个更高的维度（更高层级的现实），在那里，那个乱麻团自己就解开了，变成了一条直线。一旦变成了直线，预测汽车未来的位置就会变得非常容易。

创新点：“深度学习翻译器”

使用这些特殊眼镜的难点在于如何制造它们。通常，工程师必须通过试错法来猜测该使用什么样的“透镜”。

本文作者构建了一个深度学习翻译器（称为 MDK-Net）。他们没有靠猜，而是将来自高保真模拟器（CarSim）的数千小时驾驶数据喂给了计算机。AI 自动学习了如何创造出完美的“透镜”，将汽车混乱的现实转化为一条简单、可预测的直线。

该翻译器的关键特性：

它能看见路面： 大多数汽车模型只关注汽车本身。而这个模型还会将道路的曲线（曲率）作为一个独立的输入，就像一名乘客在前方指点转弯一样。
它能感知踏板： 它不仅仅是观察“转向”。它理解原始输入：驾驶员踩油门和刹车有多重，以及转动方向盘的力度。这让它能够理解引擎和传动系统，而不只是轮子。
它具有前瞻性： 它不仅仅是猜测下一秒的情况，而是学习一次性预测一整段未来的步骤序列，从而确保车辆的稳定性。

测试：“双变道”实验

为了验证效果，研究人员让汽车进行了一次“双变道”测试。这就像是一个绕桩课程，汽车必须非常快速地向左转，然后向右转。

旧模型（线性模型）： 它产生了混乱。它以为汽车会直行，而实际上汽车应该转弯，这导致汽车偏离了路径。
新模型（MDK-Net）： 它以极高的精度预测了汽车的运动。它准确知道汽车会如何滑动以及如何恢复。

结果：快速且精准

最棒的部分是？尽管新模型更聪明、更复杂，但它的运行速度与旧的简单模型一样快。

他们利用这个新模型构建了一个**模型预测控制（MPC）**系统。你可以把 MPC 理解为一个不断自问的副驾驶：“如果我把方向盘转这么多，5 秒后我会在哪？如果我现在踩刹车，我会在哪？”

旧副驾驶（使用线性模型）会犯错并偏离赛道。
新副驾驶（使用 MDK-Net）则能完美地保持在路线上，追踪目标路径，几乎零误差。

总结

简而言之，作者创建了一个智能 AI 系统，它学习如何将现实汽车那混乱、杂乱的物理特性，翻译成一种简单、可预测的语言。这使得自动驾驶汽车能够在复杂、高速的驾驶条件下安全、准确地完成复杂动作，而无需依靠超级计算机来进行数学运算。这就像是给了汽车一个即使在最混乱的驾驶条件下也能发挥作用的“水晶球”。

技术摘要：用于 Frenet 坐标系下车辆控制的多步深度 Koopman 网络 (MDK-Net)

问题陈述
由于车辆系统在横向/纵向运动、轮胎力与动力总成动力学之间复杂的相互作用，导致其具有高度非线性，这阻碍了自动驾驶汽车中最优控制和模型预测控制 (MPC) 策略的实际应用。虽然非线性控制技术（如 NMPC、iLCR）提供了高精度，但其计算复杂度通常使其难以满足实时应用的需求。相反，传统的线性化方法（如泰勒级数）虽然提供了计算效率，但无法捕捉广泛工作点范围内的动力学特性，从而限制了其有效性仅限于局部区域。现有的数据驱动方法（如扩展动态模态分解 EDMD）难以解决观测函数手动选择的问题，而这通常需要大量的试错过程才能准确捕捉系统动力学。

方法论
作者提出了一种多步深度 Koopman 网络 (MDK-Net)，这是一个旨在学习弯曲 Frenet 坐标系内非线性车辆动力学全局线性表示的深度学习框架。

框架架构： 该模型采用深度神经网络来同时学习 Koopman 算子和提升（观测）函数。
- 状态表示： 系统在 Frenet 坐标系中运行，状态包括纵向速度 ( $v_x$ )、横向速度 ( $v_y$ )、偏航率 ( $\dot{\psi}$ )、进度差 ( $\Delta s$ )、横向偏差 ( $e_y$ ) 和航向误差 ( $e_\psi$ )。
- 输入： 控制输入由低层执行器组成：油门、制动压力和转向角。至关重要的是，道路曲率 ( $\kappa$ ) 被视为外生输入，作者指出这是基于 Koopman 的车辆建模中的一项创新。
- 编码器： 全连接多层感知机 (MLP) 作为编码器 $\phi(\cdot)$ ，将原始状态 $x_k$ 映射到潜在空间 $Z_k$ 。通过将原始状态与这些潜在状态拼接来构建观测向量 $\psi(x_k)$ ： $\psi(x_k) = [x_k^\top, Z_k^\top]^\top$ 。
- 线性动力学： 提升空间中的动力学近似为 $\psi(x_{k+1}) = A\psi(x_k) + Bu_k$ ，其中矩阵 $A$ 和 $B$ 是代表 Koopman 算子的学习参数。
训练与损失函数： 与专注于单步预测的传统 Koopman 方法不同，MDK-Net 使用复合损失函数以确保长期准确性和稳定性：
1. 单步损失 ( $L_{ssl}$ )： 惩罚单步提升状态预测中的偏差。
2. 多步损失 ( $L_{msl}$ )： 惩罚预测时界内的误差，并使用遗忘因子 $\beta$ 来优先考虑近未来的准确性。
3. 稳定性损失 ( $L_{sl}$ )： 显式地惩罚模值大于 1 的矩阵 $A$ 的任何特征值，以确保多步预测是有界的。
4. 正则化损失 ( $L_{regl}$ )： 防止编码器和算子参数过拟合。
控制应用： 训练好的 Koopman 模型被部署在 MPC 框架中。优化问题在提升后的观测空间中进行构建，并将曲率视为预测时界内的常数外生输入。

主要贡献
论文确定了四个主要贡献：

Frenet 坐标系集成： 这是首次将基于深度学习的 Koopman 算子应用于 Frenet 坐标系下的车辆动力学，并明确将道路曲率作为外生输入。
低层输入建模： 该模型利用原始控制输入（转向、制动、油门）来捕捉完整的动力总成和传动系统动力学，超越了以往研究中常见的简化轮胎/动力总成表示。
端到端架构： 作者开发了一种新型架构，可以联合学习观测函数和 Koopman 算子，而无需辅助解码器将控制输入映射回原始状态空间。
稳定性强制： 引入了特定的稳定性损失项来惩罚不稳定的特征值，确保学习到的动力学保持有界。

结果
该模型使用来自高保真 CarSim 仿真环境（C-Class 掀背车，7,000 个回合）的数据进行训练和测试。

预测精度： 在 2,400 条轨迹（80 步时界）的开环测试中，MDK-Net 的表现显著优于通过 MATLAB 系统辨识工具箱识别的线性时不变 (LTI) 模型。
- 对于关键的横向动力学（ $v_y$ 和 $e_y$ ），MDK-Net 实现的均方误差 (MSE) 分别为 0.020 和 2.504，而 LTI 模型的 MSE 分别为 0.548 和 39.303。
- MDK-Net 准确捕捉了双车道变换过程中所有状态变量的演变，而 LTI 模型表现出明显的漂移，特别是在横向和航向误差方面。
控制性能： 利用 MDK-Net 模型的 MPC 控制器在双车道变换场景中成功追踪了参考轨迹，且误差极小。相比之下，基于 LTI 的 MPC 控制器表现出明显的漂移，并且未能充分追踪横向和角度速度。
计算效率： 尽管提升后的状态空间维度更高，但基于 Koopman 的 MPC 优化问题的凸性确保了其计算效率与线性 MPC 相当。对于 10 秒的模拟，在 Intel Core i7-1165G7 处理器上，MDK-Net MPC 的计算时间为 7.4 秒，而 LTI MPC 为 3.2 秒。作者指出，这对于实时实现是可行的，特别是与传统非线性 MPC 的高资源需求相比。

意义与主张
论文声称 MDK-Net 框架成功弥合了非线性建模的准确性与实时控制所需的计算效率之间的差距。通过利用深度学习自动发现观测函数，并通过特定损失项强制执行稳定性，该方法提供了一种鲁棒的、全局线性的车辆动力学表示，其性能优于传统的线性化方法，且比非线性控制方法更具计算可行性。作者将这项工作定位为迈向更高效、更准确的自动驾驶汽车控制（特别是在涉及复杂道路几何形状（曲率）和完整车辆动力学的场景中）的基础性一步。