考慮引數不確定性的簡約擾動感知最小時間規劃

本研究由Martino Gulisano等人提出並驗證了一種用於賽車運動的最小單圈時間規劃（MLTP）框架，該框架同時融合了針對狀態擾動和引數不確定性的魯棒性。該方法基於先前提出的擾動感知框架，在每個賽道點傳播短時域內的隨機車輛動力學，並根據時域末的最壞情況收緊輪胎摩擦約束。研究的創新之處在於進一步擴充套件了該公式，以考慮關鍵車輛引數的不確定性，包括轉動慣量、質心位置和空氣阻力系數。這些引數在實際賽車執行中難以精確獲取，因此對其不確定性的處理對於提高規劃的魯棒性至關重要。

為了保持擴充套件公式的計算可行性，研究採用了一種空間選擇性、簡約的啟用策略，將魯棒約束僅限制在最關鍵的賽道路段，例如高速彎道或制動區域。這種策略避免了在全賽道施加密集的魯棒約束，從而在保證效能的同時降低了計算負擔。

在驗證實驗中，研究者使用模型預測控制器（MPC）作為虛擬測試駕駛員。對於每條參考軌跡，同一MPC在代表性的巴塞羅那-加泰羅尼亞賽段上驅動模擬FSAE賽車執行1000次，並隨機實現脈衝擾動和引數散佈。實驗比較了無魯棒性的標稱參考軌跡與其魯棒對應軌跡。結果顯示，魯棒軌跡一致地顯示出更少的失敗執行，並且在適中的賽段時間成本下，關鍵訊號（如車輛輸入、軸飽和度）圍繞參考值的分散度更小，證明了更好的可跟蹤性。

該研究為賽車運動中的軌跡規劃提供了新的思路，尤其適用於對不確定因素敏感的競賽場景。未來可進一步探索將框架應用於實際賽車控制系統，並擴充套件到更復雜的賽道佈局。