💻 computer science

Safe Learning Predictive Control for Ego-World Robotic Systems

本文介绍了 SOWL-MPC，这是一种基于学习的安全预测控制框架，它通过结合在线稀疏变分高斯过程学习与具备不确定性感知能力的模型预测控制，使自主机器人能够在存在未知世界机器人的共享环境中进行导航。

原作者： Davide Valenti, Giuseppe Notarstefano

发布于 2026-07-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Davide Valenti, Giuseppe Notarstefano

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，你正在一个拥挤、混乱的走廊里玩一场高风险的捉迷藏游戏。你是名为“自我”（Ego）的玩家，你的目标是沿着一条特定的路径奔跑而不撞到任何人。但这里有一个转折：其他的玩家，即“世界”（World）机器人，正在你周围移动，而你完全不知道他们的行动计划是什么。他们是会停下来？向左转？还是加速？在机器人领域，这是终极挑战：当你无法读取他人的心智时，如何安全地驾驶汽车或机器人，且不撞到其他可能做出任何行为的驾驶者？

为了解决这个问题，科学家通常依赖两样东西。首先，他们使用模型预测控制（MPC），这就像是一个超级智能的 GPS，它不仅看你现在在哪里，还会模拟接下来几秒钟的行程，以观察是否会发生碰撞。其次，他们使用机器学习，特别是名为**高斯过程（Gaussian Processes）**的工具，它扮演着一个统计学意义上的“水晶球”。它不是在瞎猜，而是通过观察过往数据来预测未来，但至关重要的一点是，它还会告诉你它有多“不确定”。如果水晶球在晃动，机器人就知道要格外小心。这篇论文探讨的核心问题是：我们能否教会机器人实时学习陌生机器人的“个性”，实时更新它的“水晶球”，并利用这一点在即使对方做出完全出人意表举动的情况下，也能安全地躲避碰撞？

这篇论文介绍了一种名为 SOWL-MPC（安全在线世界策略学习模型预测控制）的新策略。你可以把它想象成赋予你的机器人一种“超能力”，让它能瞬间学会陌生人的习惯。在作者提出的“自我-世界”（Ego-World）场景中，你控制的机器人（自我）并不了解另一个机器人（世界）所遵循的规则。另一个机器人可能在遵循一段隐藏的脚本，也可能每秒钟都在改变主意。传统方法试图通过固定规则或预训练记忆来猜测对方的路径，但如果另一个机器人做出了新的动作，这些方法要么会失效，要么会因为过于胆小而不敢移动。

SOWL-MPC 改变了游戏规则，它表现得像一个边走边学习的侦探。它不仅仅是在观察另一个机器人，而是利用一种被称为**稀疏变分高斯过程（SVGPs）的特殊数学技巧，在观察对方移动的同时，构建出一个关于另一个机器人“大脑”（其控制策略）的模型。论文表明，机器人可以利用对另一个机器人位置的带有噪声、模糊的观测数据，推断出对方很可能向轮子发送了什么样的指令。它通过一种称为在线变分条件化（OVC）**的技术来实现这一点，这就像是在看到新街道时，无需重新绘制整张地图就能实时更新地图。

作者通过两种方式进行了测试。首先，他们在虚拟世界中利用 NVIDIA JetRacer 赛车在赛道上进行了数千次模拟实验。他们发现，当“世界”车辆开始在赛道的未知区域行驶时，SOWL-MPC 能迅速学习其新行为。当一个无法进行在线学习的标准机器人不断发生碰撞或偏离目标时，SOWL-MPC 却能适应，将预测误差从巨大的失误降低到了仅 0.05 米（约 2 英寸）左右——这仅仅经过了一圈行驶。他们还通过改变一个名为 $n_\sigma$ 的安全旋钮来测试机器人的“安全性”。当他们将安全性调高至 3 时，机器人变得极其谨慎，会提前规划以避免任何碰撞的可能性，在 50 次随机试验中实现了 100% 的避障成功率。

最后，团队并没有止步于计算机模拟。他们将代码应用到了室内竞技场中的真实物理机器人上。他们观察到“自我”机器人成功躲避了一个横穿其路径或试图超越它的“世界”机器人。实地测试证实了模拟实验的结果：机器人可以在运行过程中学习另一个机器人的行为并安全导航。论文得出结论，这种方法是行之有效的，它证明了机器人即使在面对身份不明的驾驶者时，也可以既是快速的学习者，又是安全的驾驶者。它虽然不是解决宇宙中所有问题的魔杖，但对于两个机器人在空间共享且其中一方身份未知这一特定挑战，SOWL-MPC 展示了一条非常有前景的道路。

技术摘要：安全在线世界策略学习模型预测控制 (SOWL-MPC)

问题陈述
本文解决了在共享环境中，一个“自我”（ego）机器人与一个控制策略未知且可能具有非平稳性的“世界”（world）机器人共同作业时的安全自主导航挑战。这种被称为 EGO–WORLD 框架 的场景假设：自我机器人仅能获取世界机器人的噪声状态测量值（ $\tilde{z}_t = z_t + w_t$ ），并已知世界机器人的标称动力学知识（漂移向量 $g(z)$ 和控制矩阵 $H(z)$ ），但缺乏对世界机器人实际控制策略 $\pi(z)$ 的了解。传统的反应式方法（如动态窗口法、控制障碍函数）通常具有近视性，而现有的预测方法通常依赖于离线训练的模型或固定的运动假设，无法适应未见的行为。其核心问题在于设计一种在线控制框架，能够通过流式数据迭代学习潜在的世界策略，并利用这种学习进行基于模型预测控制（MPC）的安全无碰撞机动。

方法论
所提出的解决方案 SOWL-MPC 通过三个阶段将在线学习与收敛时域控制方案相结合：

策略建模与离线预训练：
未知的世界策略 $\pi(z)$ 被建模为一组独立的稀疏变分高斯过程（Sparse Variational Gaussian Processes, SVGPs），每个组件对应策略向量的一个维度。最初，通过在包含噪声状态-输入对的数据集上进行离线预训练来选择超参数。输入数据（世界控制输入）通过基于已知标称动力学的最小二乘法，从连续的噪声状态观测值中在线重建。
通过在线变分条件化（OVC）进行在线学习：
为了在不产生高昂重训计算成本的情况下适应新数据，作者采用了 在线变分条件化（Online Variational Conditioning, OVC）。OVC 不存储整个历史数据，而是维护充分统计量（诱导位置、变分均值和协方差）以递归更新 SVGP 参数。该算法将当前后验投影为“伪数据”，将其与新观测值结合，并更新诱导点和变分参数。这使得系统能够直接从流式噪声测量值中学习潜在策略。
不确定性感知轨迹预测与控制：
学习到的策略通过一阶高斯矩传播方案（类似于扩展卡尔曼滤波预测步骤）在非线性世界动力学中进行传播。这生成了世界机器人未来轨迹的多步概率预测，包括预测不确定性的度量。
这些预测被输入到非线性 MPC 控制器中。MPC 构成包括：
- 代价函数： 标准的跟踪代价，并对控制量和输入平滑度进行惩罚。
- 安全约束： 通过膨胀机器人间的安全距离来强制执行碰撞规避。安全裕度根据预测不确定性（协方差矩阵的迹）并由用户定义的安全参数 $n_\sigma$ 进行缩放进行动态调整。硬约束应用于紧接的下一步，而松弛变量允许在稍后的预测时域内进行临时放宽，以确保可行性。

主要贡献
本文概述了三个主要贡献：

SOWL-MPC 框架： 一种针对 EGO–WORLD 系统的创新控制策略，它在线学习非合作世界机器人的潜在状态反馈策略，而不是学习系统动力学或依赖离线预测器。该公式利用了输入空间相对于状态空间较低的维度，从而提高了数据效率。
OVC 在机器人领域的应用： 首次将在线变分条件化（OVC）应用于机器人系统中的在线策略识别和轨迹预测。这使得 SVGP 模型能够以固定的计算复杂度（每次更新为 $O(M^3)$ ，其中 $M$ 是诱导点的数量）在流式数据上进行连续更新。
实时验证： 在 ROS 2（集成 CHOIRBOT 工具箱）中的全栈实现，证明了实时可行性。通过广泛的蒙特卡洛虚拟实验和涉及超越和交叉机动的真实世界硬件测试，验证了该方法。

实验结果
该策略在虚拟（Webots/ROS 2）和真实世界（配备 NVIDIA JetRacer 车的室内竞技场）设置中都进行了评估：

预测精度： 在 ETHZ MOBIL 和 LEMNISCATE 轨道上的虚拟实验中，SOWL-MPC 显著优于离线训练的 GP 基准和恒定速度（CV）基准。SOWL-MPC 的平均位移误差（ADE）在初始学习阶段后稳定在约 0.05 m，相比之下，CV 基准的误差超过 0.4 m，而离线基准会出现超过 0.7 m 的周期性峰值。
安全保证： 蒙特卡洛模拟表明，通过调节安全参数 $n_\sigma$ ，可以在激进程度与安全性之间进行权衡。当 $n_\sigma = 3$ 时，该方法在 50 次试验中实现了 100% 的碰撞规避成功率，而确定性方法（ $n_\sigma = 0$ ）在 36% 的试验中失败。
实时性能： 即使对于预测时域高达 $T=40$ 的情况，每个控制步的平均计算时间仍远低于 50 ms 的采样时间，确认了实时可行性。
真实世界验证： 在物理硬件上，系统成功执行了预判式规避机动，ADE 稳定在 0.05 m 左右，证实了虚拟实验结果向真实世界动力学的可迁移性。

意义与主张
本文声称，SOWL-MPC 代表了一项重大进展，它弥合了在存在未知、适应性智能体的环境中，反应式安全与预测性规划之间的鸿沟。通过显式地建模并学习世界机器人的策略而非仅仅是其动力学，并利用 OVC 进行高效的在线更新，该框架实现了能够适应所观察到的世界机器人行为的安全保证。作者强调，这是首次将 OVC 应用于这一特定的机器人问题，从而实现了对潜在策略的高效数据驱动学习，并能直接集成到不确定性感知的控制循环中。这项工作证明，即使在世界机器人的控制逻辑完全未知且仅能获得噪声状态观测值的情况下，实现安全、预判式导航也是可行的。

技术摘要：安全在线世界策略学习模型预测控制 (SOWL-MPC)

类似论文