⚡ electrical engineering

Practical Universal Tracking With Pivoted Unidirectional Actuation

本文针对配备枢轴单向执行器的机器人车辆，通过设计将执行器输出驱动至目标输入值邻域的控制律，在实用层面恢复了无约束输入基准控制器的跟踪性能。

原作者： Ian J. Willebeek-LeMair, Craig A. Woolsey

发布于 2026-04-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Ian J. Willebeek-LeMair, Craig A. Woolsey

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

这篇论文解决了一个让机器人（比如无人机、火箭或自动驾驶汽车）在“只能推不能拉”的情况下，依然能精准跟随复杂路线的难题。

为了让你轻松理解，我们可以把这篇论文的核心思想想象成**“一个只能向前开、不能倒车的司机，如何完美地开出一个完美的正方形”**。

1. 核心难题：只能推，不能拉

想象你开着一辆特殊的车（比如无人机或火箭），它的引擎只能向前喷气产生推力，永远不能向后喷气（不能倒车）。

普通情况：如果你想让车向左转，你只需要把车头稍微向左偏，然后向前开，车就会向左走。
极端情况（自由落体）：如果你需要车在空中“悬停”甚至“向上加速”（比如为了躲避障碍物突然猛拉），普通的控制方法会要求引擎产生一个“向后”的力（就像踩刹车或倒车）。但你的车没有倒车档！
- 这时候，传统的控制算法会卡死，就像司机在路口突然找不到方向盘该往哪打，因为数学上出现了“除以零”的错误（论文里叫“奇点”）。
- 以前的解决办法是：给司机设限，“别做太猛的动作，别试图悬停或向上加速”。但这就像告诉赛车手“别开太快”，牺牲了性能。

2. 论文的创新：从“死磕目标”到“瞄准一个圈”

这篇论文的作者（Ian 和 Craig）想出了一个聪明的办法：不要试图让车精准地停在每一个目标点上，而是让车始终保持在目标点周围的一个“小圆圈”里。

比喻：射箭与靶心

旧方法（精确跟踪）：就像射箭，必须每一箭都正中红心（靶心）。如果风向突变（干扰）或者你只能向前拉弓（单向推力），一旦需要向后拉弓才能命中，你就彻底失败了。
新方法（实用跟踪）：作者把靶心变成了一个**“甜甜圈”（或者一个圆环区域）**。
- 只要你的箭射进了这个甜甜圈里，就算你赢了。
- 当需要“向后拉弓”（产生负推力）时，系统不会强行去射那个不可能的点，而是让车稍微转个身，利用向前的推力，让车落在“甜甜圈”的另一侧。
- 关键点：这个“甜甜圈”的大小是可以调整的。如果你想要更精准，就把圈设小一点；如果动作太猛，圈就稍微大一点，保证车不会失控。

3. 具体是怎么做到的？（内环与外环）

论文设计了一个“双层控制”系统，就像**“指挥官”和“驾驶员”**的配合：

指挥官（外环）：
- 他看着地图，心里想：“我要让车走这个正方形路线。”
- 他计算出理想状态下，车需要什么样的推力（比如“向左 5 牛顿，向上 2 牛顿”）。
- 但他知道车只能向前推，所以他不会直接命令车“向左推”，而是把这个理想推力作为一个**“目标球”**。
驾驶员（内环）：
- 他的任务不是死板地执行“向左推 5 牛顿”，而是把车的实际推力方向，调整到那个“目标球”的范围内。
- 巧妙的技巧：当目标推力需要“向后”时，驾驶员会迅速把车头转 180 度（比如无人机倒飞），然后继续向前推。虽然方向反了，但推力产生的效果（在“目标球”范围内）是一样的。
- 为了防止驾驶员在掉头时晕头转向（数学上的“拓扑障碍”），论文发明了一种特殊的数学语言（叫 1D MRP），让驾驶员能平滑地决定是顺时针转还是逆时针转，不会卡死。

4. 为什么这很重要？

打破限制：以前的方法为了安全，禁止无人机做剧烈动作（比如快速悬停或倒飞）。现在，无人机可以像特技飞行员一样，做各种高难度动作，只要它能在“小圆圈”误差范围内完成即可。
通用性强：这个方法不仅适用于无人机，还适用于：
- 火箭：只能向下喷气，但需要调整姿态。
- 水面船：只能向前推，不能倒车。
- 自动驾驶汽车：只能向前开（像 Dubins 车模型）。
理论保证：作者不仅提出了方法，还证明了：只要那个“小圆圈”足够小，车最终就能无限接近你想要的路线，而且无论外界怎么干扰，车都不会失控。

总结

这就好比你在玩一个**“只能向前冲的赛车游戏”**。
以前的攻略说：“别玩太难的关卡，遇到需要倒车的弯道就放弃。”
这篇论文的攻略是：“遇到需要倒车的弯道，把车倒过来开，或者转个身继续冲，只要别冲出赛道（误差范围）就行。”

通过这种“实用主义”的数学设计，他们让机器人能够更灵活、更智能地应对复杂的现实世界，而不必被“只能向前”的物理限制给困住。

这是一份关于论文《Practical Universal Tracking With Pivoted Unidirectional Actuation》（基于枢轴单向致动器的实用通用跟踪）的详细技术总结。

1. 研究背景与问题定义 (Problem)

核心问题：
许多机器人系统（如多旋翼无人机、火箭、水翼船、地面车辆等）使用枢轴单向致动器（Pivoted Unidirectional Actuators）。这类致动器只能在一个方向上产生推力（单向），但其方向可以通过枢轴旋转来改变。

传统方法的局限： 现有的控制方法通常将致动器视为无约束输入，或者为了避免奇点而人为限制致动器的旋转范围。
自由落体奇点 (Free-fall Singularity)： 当车辆需要产生垂直向下的加速度（例如多旋翼在自由落体或剧烈机动时），所需的控制输入方向与重力方向相反。由于致动器只能产生单向推力，此时无法通过旋转致动器来产生所需的“负”推力（除非车辆翻转，但这会导致控制律中的方向向量定义不连续）。
现有解决方案的缺陷：
1. 假设奇点永远不会发生（缺乏鲁棒性）。
2. 限制垂直加速度小于重力（导致性能损失，且破坏了输入到状态稳定性 ISS 的理论保证）。
3. 传统的反步法（Backstepping）在致动器方向向量经过零点时会出现奇点，导致李雅普诺夫函数不连续。

研究目标：
设计一种新的控制律，能够处理枢轴单向致动器的约束，在存在“自由落体奇点”的情况下，实现实用通用跟踪 (Practical Universal Tracking, PUT)，即让系统状态最终收敛到期望轨迹的一个小邻域内，而不是要求绝对精确跟踪（因为数学上证明绝对精确跟踪是不可能的）。

2. 方法论 (Methodology)

论文提出了一种内环 - 外环 (Inner-loop/Outer-loop) 的控制器重构架构：

A. 理论证明：精确跟踪的不可能性

定理 1： 证明了对于某些平滑的期望轨迹，由于单向致动器的物理约束（推力必须非负），系统无法精确跟踪。这证明了精确通用跟踪 (EUT) 控制器不存在，从而确立了转向实用通用跟踪 (PUT) 的必要性。

B. 控制器设计核心：基于集合的趋近策略

为了解决奇点问题，作者没有试图让致动器输出精确等于期望输入 $a^*(t)$ ，而是设计控制器将实际输出 $a(t) = \lambda(t)u_1(t)$ 驱动到一个以期望输入为中心的球体集合 $A(t) = a^*(t) + r\bar{B}_2$ 内。

优势： 当期望输入 $a^*(t)$ 接近零时，球体 $A(t)$ 覆盖了所有可能的方向，从而消除了对致动器特定方向 $\lambda^*(t)$ 的依赖，避免了奇点。

C. 内环控制器设计 (Inner-loop Design)

1D 修正罗德里格斯参数 (1D MRPs)：
- 为了解决 $S^1$ 拓扑上的奇点（即当致动器方向与期望方向相反时，控制律无法决定顺时针还是逆时针旋转），引入了 1D MRP 坐标 $\eta$ 。
- $\eta$ 是 $S^1$ 的双覆盖，能够平滑地处理方向翻转问题，避免“解缠”（Unwinding，即车辆不必要的多圈旋转）。
李雅普诺夫函数设计：
- 构造了一个基于 MRP 的李雅普诺夫函数 $V_a$ ，用于证明实际推力向量 $a(t)$ 能够全局吸引到目标集合 $A(t)$ 。
- 设计了平滑的切换逻辑：当期望推力幅值 $|a^*(t)|$ 很小时，控制律自动关闭对方向的具体要求，防止不连续。
反步法 (Backstepping)：
- 利用反步法设计角加速度输入 $u_2$ ，确保角速度 $\omega$ 跟踪虚拟控制律 $\omega^*$ ，最终保证 $V$ 指数衰减。

D. 外环稳定性分析

将内环产生的误差 $\Delta a(t) = a(t) - a^*(t)$ 视为外环系统的有界扰动。
利用外环系统原有的输入到状态稳定性 (ISS) 性质，结合内环的收敛性，证明了整个闭环系统的误差最终有界。

3. 主要贡献 (Key Contributions)

理论突破： 严格证明了对于枢轴单向致动器系统，不存在能够精确跟踪任意平滑轨迹的控制器（EUT 不存在），从而确立了实用跟踪（PUT）作为唯一可行的控制目标。
控制器重构： 提出了一种新的控制律设计方法，通过引入集合趋近（Set-based approach）和1D MRP 坐标，成功解决了自由落体奇点问题。
- 该方法不需要人为限制加速度（如限制垂直加速度小于重力）。
- 消除了传统反步法在零推力点处的奇点。
形式化保证： 提供了严格的数学证明，表明该控制器能实现全局一致渐近稳定 (GUAS) 到一个小邻域，且该邻域的大小可以通过设计参数（球体半径 $r$ ）进行调节。

4. 仿真结果 (Results)

仿真对象： 平面多旋翼无人机。
场景： 跟踪一个激进的方形轨迹，包含垂直边的快速翻转机动。
对比：
- 传统控制器： 在轨迹的第一条垂直边（需要产生向下加速度）时，由于自由落体奇点，导致除以零错误或控制失效。
- 本文提出的控制器： 成功完成了整个方形轨迹的跟踪。
  - 当需要向下加速时，无人机能够自然地**翻转（倒飞）**以调整推力方向，从而产生所需的合力。
  - 跟踪误差 $e(t)$ 被限制在一个很小的范围内（由参数 $r$ 决定），验证了实用跟踪的有效性。
  - 致动器方向 $\lambda(t)$ 平滑过渡，未出现不连续跳变。

5. 意义与结论 (Significance & Conclusion)

广泛适用性： 该方法适用于各类具有单向致动器的机器人系统，包括多旋翼无人机、火箭、气垫船、受限前向运动的地面车辆（如 Dubins 车）以及方位推进的海洋车辆。
性能提升： 允许车辆执行以前被认为不可能或需要人为限制性能的激进机动（如自由落体机动、快速翻转），显著提升了机器人的机动性和任务能力。
理论与实践的桥梁： 通过引入“实用跟踪”概念，解决了单向致动器在理论控制与物理实现之间的根本矛盾，为未来研究有限推力范围（上下界）下的鲁棒控制奠定了基础。

总结： 这篇论文通过严谨的数学推导和创新的集合控制策略，成功解决了单向致动器机器人系统中的奇点问题，实现了在无需人为限制加速度情况下的鲁棒、实用通用跟踪，为高性能机器人控制提供了新的理论框架。