⚡ electrical engineering

Amortized Nonlinear Model Predictive Control

本文提出了一种用于输入仿射系统的摊销非线性模型预测控制框架，该框架利用单网络残差-校正器架构，通过状态相关的二次规划来近似最优控制步，在保证约束满足并维持与传统非线性规划求解器相当的跟踪性能的同时，实现了显著的计算加速。

原作者： Francesco Pillitteri, Alberto Bemporad

发布于 2026-06-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Francesco Pillitteri, Alberto Bemporad

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

想象一下你正在驾驶一辆高性能赛车。每一分每一秒，你都需要精确决定转向的角度和踩油门的力度，以保持在赛道上，避免撞墙，并以最快速度到达目的地。

在机器人和工程领域，这种决策过程被称为模型预测控制（Model Predictive Control, MPC）。它就像一个超级聪明的副驾驶，不断解决一个复杂的数学谜题：“如果我现在向左转，5秒后我会在哪里？如果我向右转，会撞车吗？”

问题所在：“超级大脑”反应太慢

对于简单的车辆（线性系统），这个数学谜题既简单又快速。但对于复杂的机器人（非线性系统），这个谜题极其困难。这就像是在实时尝试解决一个巨大的、不断变化的3D迷宫。

传统上，为了解决这个问题，工程师会使用一个强大的计算求解器（如 IPOPT）。它很精确，但很慢。这就像是要求一位天才数学家在每一毫秒都从头开始解决一个新的、困难的方程。如果机器人每秒需要做出100次决策，这位数学家就会应接不暇，导致机器人动作卡顿或失效。

解决方案：一个“智能捷径”

本文的作者 Francesco Pillitteri 和 Alberto Bemporad 想出了一个巧妙的方法，在不损失准确性的情况下提高速度。他们称之为摊销非线性模型预测控制（Amortized Nonlinear Model Predictive Control）。

以下是他们的方法是如何运作的，分为简单的几个步骤：

1. “草图绘制”（解析基准）

系统不再每次都从零开始，而是首先使用一个简单的、快速的数学公式来画出一个最佳动作的“草图”。

类比： 想象你是一名厨师。在品尝汤的味道之前，你有一个标准食谱（基准），它会根据你现有的食材告诉你大约该加多少盐。它并不完美，但它是一个很好的起点。

2. “试味”AI（神经网络）

这是神奇之处。他们训练了一个小型人工智能（神经网络）来学习那个“草图”与完美的、天才级解法之间的差异。

类比： 这个 AI 并不学习从头开始烹饪整道菜，它只学习修正量。它就像一名副厨，会说：“食谱说加1茶匙盐，但因为今天的番茄特别酸，所以再多加0.2。”
AI 会观察当前的情况（状态）和目标（参考值），然后预测如何微调那个“草图”使其变得完美。

3. “安全网”（可微求解器）

一旦 AI 提出了微调建议，系统并不会盲目跟随 AI。它会将微调后的数值输入到一个专门的、快速的数学引擎（二次规划求解器）中，作为安全网。

类比： 即使副厨提出了修正建议，主厨（求解器）也会根据规则进行复核：“盐是不是加多了？汤会不会煮溢出来？”求解器保证最终的决策遵守所有安全规则（比如不超过扭矩限制或撞墙）。
因为求解器被内置到了训练过程中，所以 AI 学会了提出能让求解器轻松接受的修正建议。

结果：速度 vs. 准确度

团队在一个三连杆机械臂（类似于具有三个关节的人类手臂）试图将手移动到空间中特定点的实验中测试了该方法。

旧方法 (IPOPT)： 大约需要 120 毫秒 来做出一次决策。它很精确，但很慢。
“仅靠猜测”的方法 (直接 AI)： 速度极快（0.09 毫秒），但经常出错，违反安全规则（例如试图让机械臂移动得太快从而损坏它）。
新方法 (摊销二次规划/Amortized QP)： 仅需 0.116 毫秒。
- 它比旧的慢速方法快了 1,800 倍。
- 比其他快速方法 (RTI) 快了 21 倍。
- 至关重要的是，它与慢速方法一样准确，并且从未违反安全规则。

为什么这很重要

把它想象成从手动挡汽车升级到高科技自动挡汽车。

以前： 你必须为每一次转弯手动换挡并计算完美的时机（缓慢且容易出错）。
现在： 汽车有一个电脑，能瞬间为你计算出完美的换挡时机，但它足够聪明，知道交通规则，不会让你撞车。

本文证明了你可以同时拥有简单猜测的速度和复杂计算的安全与准确性，这使得在原本无法处理这些数学运算的小型、廉价硬件（如无人机或机器人的内置电脑）上运行先进、安全的控制系统成为可能。

技术摘要：摊销非线性模型预测控制 (Amortized Nonlinear Model Predictive Control)

问题陈述

非线性模型预测控制 (NMPC) 为受约束最优控制提供了一个强大的框架，但面临着显著的计算瓶颈。在每个采样时刻，NMPC 都需要实时求解一个受约束的非线性规划 (NLP) 问题。对于非线性系统模型，这种单步求解时间可能比线性系统大几个数量级，从而导致在资源受限的硬件或高采样率下实现实时控制变得不可行。虽然实时迭代 (RTI) 方案通过执行单次牛顿型迭代提高了效率，但其计算成本仍然可能过高。此外，显式非线性 MPC 通常是难以处理的。

最近的机器学习进展，特别是“摊销优化 (amortized optimization)”，提议使用离线训练的函数近似器来取代在线求解器。然而，这种方法面临的一个主要挑战是，当学习到的近似值偏离精确解时，如何保持闭环保证（如约束满足和稳定性）。

方法论

作者提出了一种针对输入仿射非线性系统（即动力学关于控制输入是仿射的系统， $x_{k+1} = f(x_k) + G(x_k)u_k$ ）的框架，该框架通过在线求解一个状态相关的二次规划 (QP) 来近似最优控制动作。其核心创新在于采用了一种单网络残差-校正器架构 (single-network residual-corrector architecture)，将问题参数的学习与约束强制执行分离。

1. 参数化 QP 公式

对于输入仿射系统，一步状态映射对控制输入 $u_0$ 是仿射的。作者构建了一个小型 QP 来优化第一个控制动作 $u_0$ ：

目标函数： 一个二次代价函数 $\frac{1}{2}u_0^\top H(x_0) u_0 + c(x_0, r)^\top u_0$ ，其中 $H$ 和 $c$ 取决于当前状态和参考值。
约束条件：
- 硬约束： 直接强制执行输入边界和关于输入的仿射约束（例如扭矩限制）。
- 软约束： 下一步的状态边界被建模为使用松弛变量的软约束，以确保 QP 保持可行性。
规模： 生成的 QP 决策变量数量（ $n_u + n_s$ ）远少于完整 NLP 时界的决策变量数量（ $(N+1)n_x + N n_u$ ）。

2. 残差-校正器网络架构

网络并非从头学习完整的控制序列或完整的 QP 参数，而是仅学习对解析基准 (analytic baseline) 的残差校正：

解析基准： 通过在当前状态附近对系统动力学和代价函数进行线性化得到。这为 Hessian 矩阵的 Cholesky 分解因子 ( $L_{an}$ ) 和线性代价向量 ( $c_{an}$ ) 提供了初始估计。
神经网络 ( $\phi_\psi$ )： 以拼接后的状态和参考作为输入，并预测校正量 ( $\Delta L, \Delta c$ )。
校正机制：
- 完整的 Cholesky 分解因子为 $L_{full} = L_{an} + \Delta L$ 。
- 通过 softplus 函数处理对角线元素，以保证严格的正定性，从而确保生成的 Hessian 矩阵 $H_{full} = L_{full}L_{full}^\top$ 是正定的。
- 完整的代价向量为 $c_{full} = c_{an} + \Delta c$ 。

3. 可微求解器与训练

在线推理： 校正后的参数定义了一个小型 QP，该 QP 通过可微内点层 (differentiable interior-point layer) 在线求解。这保证了输出的 $u_0^*$ 通过构造方式满足 QP 约束。
离线训练： 网络在由求解器（如 IPOPT）生成的最佳 NLP 解数据集上进行训练，使用一种混合损失函数：
1. 监督模仿 ( $L_{sup}$ )：惩罚预测的第一控制动作与最优 NLP 解之间的偏差。
2. KKT 平稳性 ( $L_{KKT}$ )：惩罚预测解在完整 NLP 处的平稳条件违反情况。
3. Fischer-Burmeister 互补性 ( $L_{FB}$ )：惩罚不等式约束的互补性违反情况。
4. 正则化 ( $L_{reg}$ )：使学习到的校正量保持在解析基准附近。

核心贡献

残差-校正器架构： 一种新颖的方法，神经网络仅学习解析派生的 QP 基准的校正量，而非学习完整的解。这利用了输入仿射系统的已知结构。
通过可微层实现约束满足： 通过在网络中嵌入可微 QP 求解器，该方法保证了第一个控制动作满足硬约束，解决了基于学习的 MPC 中常见的失效模式。
混合损失函数： 训练目标结合了监督模仿与物理启发的 KKT 及互补性惩罚，相比纯模仿学习，提高了性能和可行性。
可扩展性： 该方法将在线优化问题从复杂的 NLP 简化为具有状态相关代价矩阵的小型 QP，大幅降低了计算复杂度。

实验结果

该方法在具有笛卡尔末端执行器跟踪任务的三连杆平面机械臂上进行了验证，该机械臂受到关节位置、速度、加速度和扭矩约束。

性能： 摊销策略实现的闭环平均代价在全时界 IPOPT 最优解的 4.7% 以内。相比之下，标准 RTI 方案 (acados) 在 12% 的场景中发散，且平均表现差 17.5%；而直接使用 MLP（不带 QP 层）在 27% 的场景中发散，并显著违反了硬约束。
约束满足： 摊销 QP 满足硬扭矩和加速度边界至数值精度水平。软状态约束仅在瞬态期间发生轻微违反（0.7% 的步骤）。
计算速度：
- IPOPT： 中位数求解时间约为 120 ms。
- RTI (acados)： 中位数求解时间约为 2.4 ms。
- 摊销 QP： 中位数求解时间为 0.116 ms。
- 这代表了相对于 RTI 的 ~21 倍加速，以及相对于完整 NLP 求解器的 ~1800 倍加速。

重要性

本文声称，该方法为在资源受限的硬件或高采样率下部署 NMPC 提供了一条切实可行的路径，且无需牺牲约束满足。通过将代价景观的学习（通过网络）与约束的强制执行（通过 QP 求解器）解耦，该方法在保持与最优解相当的跟踪性能的同时，实现了比传统 NLP 求解器高出几个数量级的加速。使用结合了监督学习与 KKT 残差的混合损失函数，被强调为实现比单纯拟合数据或学习热启动方法具有更高可行性和可靠性的关键因素。