⚡ electrical engineering

Real-Time Online Learning for Model Predictive Control using a Spatio-Temporal Gaussian Process Approximation

该论文提出了一种具有恒定计算复杂度的近似时空高斯过程模型，实现了实时在线学习，有效克服了传统高斯过程模型预测控制在实时应用中的计算瓶颈，并通过自主微型赛车实验验证了其在时变系统中提升控制性能的能力。

原作者： Lars Bartels, Amon Lahr, Andrea Carron, Melanie N. Zeilinger

发布于 2026-03-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Lars Bartels, Amon Lahr, Andrea Carron, Melanie N. Zeilinger

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

这篇论文讲述了一个关于如何让自动驾驶赛车变得更聪明、反应更快的故事。

想象一下，你正在教一个机器人开赛车。

1. 核心问题：完美的理论 vs. 混乱的现实

传统的自动驾驶系统（就像论文里说的“传统 MPC"）就像是一个死记硬背的学霸。它手里有一本完美的教科书（数学模型），告诉它：“如果方向盘转 10 度，车就会走这条线。”

但在现实中，赛车会遇到各种意外：路面变滑了、轮胎磨损了、甚至有人偷偷在方向盘上装了个弹簧（论文里叫“时变扰动”）。这时候，那个“死记硬背”的学霸就懵了，因为它手里的教科书没教过这种情况，导致它预测的路线全是错的，车可能会冲出赛道。

为了解决这个问题，科学家给机器人加了一个**“学习助手”**（高斯过程，GP）。这个助手能观察现实和教科书的差异，并告诉机器人：“嘿，刚才那个弯道，实际比书本上说的要滑，我们要多打一点方向。”

2. 遇到的大麻烦：记性太好反而变笨

这个“学习助手”有个大问题：它太爱记笔记了。
每跑一圈，它就记下一堆数据。刚开始还好，但跑了几百圈后，它的笔记本（数据库）变得超级厚。

传统方法：每次要预测下一步时，它都要把整本厚厚的笔记本从头翻到尾，重新计算一遍。
后果：随着数据越来越多，计算时间越来越长。等到它算完，赛车早就撞墙了。这就叫“计算成本太高”，无法在实时（Real-Time）中完成。

3. 论文的创新：给助手装个“智能摘要本”

这篇论文提出了一种新的方法，叫**“时空高斯过程近似”。我们可以把它想象成给那个“学习助手”换了一种超级高效的记忆方式**：

空间上的“关键点” (Inducing Points)：
想象赛道上有许多个检查点。助手不再记录赛道上每一个微小的细节，而是只记住几个关键检查点的状态。只要知道这几个点的情况，它就能大概推断出整条赛道的情况。这就像看地图时，你不需要记住每一棵树，只需要记住几个主要路口。
时间上的“流水线” (Spatio-Temporal)：
这是最精彩的部分。以前的助手是“静态”的，每来新数据都要重新整理。
新的助手像是一个流水线的工人。当赛车跑过一个新的弯道，助手不需要翻旧账，它只需要根据上一秒的状态，像接龙一样，把新信息“接”上去，瞬间更新自己的记忆。
- 比喻：以前的方法是每次都要把整本书重写一遍；现在的方法是，你只需要在书页的末尾贴一张新的便利贴，然后告诉助手：“记住，现在的情况变了。”无论贴多少张便利贴，助手处理的速度都是一样的快。

4. 实际效果：赛车手的“神操作”

作者把这个新方法用在了微型遥控赛车上，并故意给赛车加了个“捣乱”的设定：让方向盘的自动回正力忽大忽小（就像有人时不时推一下方向盘）。

普通赛车（传统模型）：遇到捣乱，它完全不知道发生了什么，车在直道上画龙（忽左忽右），差点撞墙，只能靠运气和紧急刹车保命。
新赛车（本文方法）：
1. 实时适应：它立刻发现“咦？方向盘变重了”，并瞬间调整策略。
2. 永不遗忘：它记住了之前所有的经验，但计算速度始终保持在毫秒级，完全不影响赛车速度。
3. 结果：即使环境在变，它依然能像老司机一样，稳稳地沿着赛道中心线飞驰，圈速几乎没有受影响。

总结

这篇论文的核心贡献就是发明了一种**“既记性好，又算得快”**的算法。

它让自动驾驶系统能够：

实时学习：一边跑一边学，不需要停下来重新训练。
无限记忆：不管跑了多久，积累了多少数据，计算速度都不会变慢。
应对变化：面对突发的路况变化，能像经验丰富的老司机一样，瞬间调整，保证安全又快速。

简单来说，就是让自动驾驶汽车从“只会背书的优等生”，进化成了“既能背书本，又能灵活应变的赛车冠军”。

论文技术总结：基于时空高斯过程近似的模型预测控制实时在线学习

1. 研究背景与问题 (Problem)

模型预测控制 (MPC) 是一种先进的控制策略，通过动态模型预测未来行为来优化控制动作。然而，传统 MPC 的性能高度依赖于系统动力学模型的准确性。对于许多非线性系统，推导精确的解析模型往往不切实际，导致模型失配（Model Mismatch），进而影响控制性能和约束满足。

基于学习的 MPC (Learning-based MPC) 通常利用高斯过程 (Gaussian Process, GP) 来建模未知的残差动力学，以修正模型误差并提供不确定性估计。然而，精确的 GP 推理具有 $O(N^3)$ 的计算复杂度（ $N$ 为数据点数量），这构成了实时 GP-MPC 应用的主要瓶颈。特别是在在线学习场景下，随着训练数据的不断累积，计算延迟最终会超过实时约束，导致系统无法在有限时间内完成控制决策。现有的近似方法（如诱导点法或子集法）在处理时变系统和连续空间输入时，往往需要在计算效率、模型保真度和数据持久性之间做出妥协。

2. 方法论 (Methodology)

本文提出了一种高效的近似时空高斯过程 (Approximate Spatio-Temporal GP) 模型，旨在实现恒定计算复杂度的在线学习，并将其集成到 MPC 框架中。

2.1 核心模型架构

时空分离假设：将残差动力学建模为具有零先验均值的 GP，其核函数被分解为空间核 $k_s$ 和时间核 $k_t$ 的乘积： $k((z, t), (z', t')) = k_s(z, z')k_t(\tau)$ 。
空间分量 (诱导点近似)：在空间输入特征（状态 $x$ 和控制 $u$ ）上使用固定位置的诱导点 (Inducing Points) 集合 $V$ 。这限制了空间维度的计算复杂度，使其与数据点数量无关。
时间分量 (马尔可夫状态空间模型)：利用平稳时间核（如半整数 Matérn 核）的傅里叶变换特性，将其转化为线性时不变 (LTI) 的状态空间模型。诱导点的值随时间演化遵循离散线性高斯状态空间方程。
卡尔曼滤波递归更新：由于状态空间模型和观测条件均为线性高斯，可以使用卡尔曼滤波 (Kalman Filtering) 递归地更新诱导点的均值和协方差。这使得每增加一个数据点的计算成本是恒定的，且无需存储历史数据。

2.2 与 MPC 的集成

随机 OCP 转化为确定性 OCP：为了处理随机残差动力学，作者采用一阶泰勒展开近似状态分布的协方差传播，并将随机机会约束转化为确定性紧化约束。
零阶优化 (Zero-Order Optimization)：采用零阶序列二次规划 (SQP) 算法。该算法假设协方差传播和约束紧化项对优化变量的梯度为零，从而消除了状态协方差作为优化变量，大幅降低了优化问题的规模。
实时迭代 (RTI)：结合零阶 SQP 和实时迭代策略，每个时间步仅求解一个二次子问题，确保控制循环的实时性。

2.3 数值稳定性与实现

平方根卡尔曼滤波：为了防止递归计算中的数值误差导致协方差矩阵非正定，算法采用Cholesky 分解形式（平方根滤波）来维护协方差矩阵。
缓存机制：利用 MPC 中时间步长恒定的特点，预先缓存状态转移矩阵等不变项，进一步减少在线计算量。
开源集成：该实现已集成到 L4acados 框架中，支持 PyTorch 自动微分，便于计算 GP 预测的雅可比矩阵。

3. 主要贡献 (Key Contributions)

恒定复杂度的在线学习：提出了一种基于时空 GP 近似的新方法，能够在不丢弃任何历史数据的情况下，以恒定的计算成本进行实时在线学习，解决了传统 GP-MPC 随数据量增加而计算爆炸的问题。
连续空间与复杂时变建模：与仅处理离散操作条件或纯时间序列的方法不同，该方法支持连续空间输入，并能捕捉更复杂的时变协方差结构，优于简单的递归短期 GP 模型。
工程化实现与开源：提供了基于 GPyTorch 的高效实现，并成功集成到 L4acados 框架中，填补了现有 GP-MPC 工具在实时时空学习方面的空白。
硬件验证：在自主微型赛车（Autonomous Miniature Racing）的硬件实验中验证了方法的有效性，证明了其在真实物理系统中的实时适应能力。

4. 实验结果 (Results)

实验在自主微型赛车平台上进行，通过动态改变转向偏移量（Steering Perturbation）来模拟时变干扰。

计算性能：
- 传统的精确 GP（即使使用最近 400 个数据点的子集近似）随着时间推移，计算时间难以稳定在实时约束（<30ms）内。
- 提出的时空 GP 模型保持了恒定的求解时间（约 7ms 用于优化，其余用于 GP 推理），无论数据积累多久，均能稳定满足实时性要求。
预测性能：
- 在引入时变干扰后，名义 MPC 的预测误差显著增加。
- 提出的时空 GP-MPC 能够在线学习残差动力学，显著降低了单步预测误差，使残差呈现独立分布特性。
- 相比之下，纯空间诱导点 GP 由于缺乏时间维度，无法区分同一空间位置下的不同干扰状态，导致预测误差波动较大。
控制性能：
- 在干扰发生时，名义 MPC 的赛车轨迹出现剧烈波动，甚至违反赛道边界。
- 时空 GP-MPC 能够迅速适应干扰，保持稳定的赛车轨迹（Racing Line），圈时（Lap Time）几乎不受干扰影响，表现出与“完美”数据截断的精确 GP 相当甚至更优的鲁棒性。

5. 意义与展望 (Significance)

理论意义：证明了通过结合诱导点法（空间）和状态空间模型（时间），可以构建出既具有概率严谨性又具备实时计算可行性的 GP 模型，打破了 GP 推理计算复杂度的瓶颈。
应用价值：为安全关键系统（如自动驾驶、机器人）提供了一种无需丢弃数据即可进行终身在线学习的控制方案。这使得控制器能够适应缓慢变化的环境或系统老化，而无需重新训练或人工干预。
未来工作：作者指出未来可研究超参数的在线更新机制，以及建立闭环控制的理论保证。

总结：该论文通过创新的时空高斯过程近似架构，成功解决了基于学习的 MPC 在实时在线学习中的计算瓶颈问题，并在硬件实验中展示了其在应对时变干扰时的卓越性能，为数据驱动控制系统的实际应用迈出了重要一步。