晨光
暗夜
晨光
极光
Bilingual Paper Reading · 中英对照精读

四旋翼的鲁棒自适应模型预测控制（Robust Adaptive MPC of Quadrotors）

准大一 · 自动化 × 无人机控制 × 鲁棒自适应控制 —— 四旋翼 RAMPC 实验精读材料
原文：arXiv:2102.13544 2021年2月26日发布 arXiv 预印本（eess.SY） 鲁棒自适应控制 × 模型预测控制 × 四旋翼真机实验 附英文摘要朗读音频

一、论文档案

英文标题Robust Adaptive Model Predictive Control of Quadrotors
中文标题四旋翼的鲁棒自适应模型预测控制（把 RAMPC 从理论首次搬上四旋翼真机：未知质量、风扰动、旋翼效率下降全场景验证）
作者亚历山大·迪迪埃, 阿尼尔库马尔·帕尔西, 杰里米·库尔森, 罗伊·S·史密斯（机构未在素材中标注）
发布时间2021年2月26日（v1）｜分类：eess.SY（系统与控制）
原文链接arxiv.org/abs/2102.13544　·　全文 HTML 版
一句话概括把此前只停留在理论上的「鲁棒自适应模型预测控制（RAMPC）」第一次用状态空间表述实现在真实四旋翼上——针对稳态输入未知、测量噪声、收缩多胞体计算三大工程难题给出带理论保证的解法，并在「包裹投递（质量未知+风扰动）」与「动力下降（全部旋翼效率下降）」两类场景下仿真+真机验证。
💡 为什么选这篇给你：① 「从理论到真机」是控制领域最有含金量的故事线——这是 RAMPC 首次在状态空间表述下落地实践；② 场景设计贴近工程直觉（包裹投递、动力下降），不需要飞行器背景也能读懂；③ 三大工程拦路虎（稳态输入未知、测量噪声、多胞体计算）的解法自带理论保证，是面试/答辩级的完整故事。

二、核心术语表（先扫一遍再读正文）

英文术语中文大白话解释
Model Predictive Control (MPC)模型预测控制基于优化的控制方法：每个时刻用模型预测未来一段轨迹，解一个优化问题，只执行第一步再滚动。
Robust MPC鲁棒 MPC把「对有界扰动和模型不确定性的鲁棒保证」直接并入 MPC 优化问题的变体。
Robust Adaptive MPC (RAMPC)鲁棒自适应 MPC用在线测量数据不断更新「不确定性集合」、同时保持鲁棒约束满足的 MPC，是本文的主角。
set-membership identification集员辨识用测量数据把不确定参数「圈」进一个不断缩小的集合，保证真实参数永远在集合内，而不是猜一个点估计。
impulse response model脉冲响应模型用脉冲响应系数描述系统动力学的模型，早期 RAMPC 用它，参数数量较多。
state space formulation状态空间表述用状态矩阵描述系统（ẋ=Ax+Bu 这类），参数更少、能覆盖更广的系统类别，本文用它落地。
affine parametric uncertainty仿射参数不确定性不确定性参数以「仿射（线性+常数）」形式出现在状态空间矩阵里。
λ-contractive polytopeλ-收缩多胞体满足给定收缩率 λ 的多面体集合，是保证闭环鲁棒约束满足的关键几何对象。
steady-state input稳态输入让系统稳定在目标工作点所需的输入值；它未知时，调节问题一开始就缺一块。
measurement noise测量噪声传感器读数里的随机误差——理论算法常假设没有，真机上一定有。
direct thrust control直接推力控制直接把四个旋翼的推力当作控制量的控制结构。
decoupled control structure解耦控制结构把位置环与姿态环分开设计的控制结构（内环姿态、外环位置），工程上更常用。
bounded disturbance有界扰动幅度有已知上界的干扰（例如风），鲁棒控制针对它给出最坏情形保证。
contraction rate收缩率描述多胞体每步收缩快慢的指标；按期望收缩率算多胞体，可降低保守性与计算时间。

三、摘要中英对照（精读核心）

🎧 音频在文末，可先听一遍原文再读；每个英文句都配了逐句翻译。

摘要 Abstract

EN · 原文
Robust adaptive model predictive control (RAMPC) is a novel control method that combines robustness guarantees with respect to unknown parameters and bounded disturbances into a model predictive control scheme.
CN · 翻译
鲁棒自适应模型预测控制（RAMPC）是一种新颖的控制方法，它把「对未知参数的鲁棒保证」与「对有界扰动的鲁棒保证」合并进同一个模型预测控制框架。
EN · 原文
However, RAMPC has so far only been developed in theory.
CN · 翻译
然而，RAMPC 此前只停留在理论层面。
EN · 原文
The goal of this paper is to apply RAMPC to a physical quadrotor experiment.
CN · 翻译
本文的目标是把 RAMPC 应用到一个真实的四旋翼实验中。
EN · 原文
To the best of our knowledge this is the first time that RAMPC has been applied in practice using a state space formulation.
CN · 翻译
据我们所知，这是 RAMPC 第一次以状态空间表述的形式在实际中落地。
EN · 原文
In doing so, we highlight important practical challenges such as computation of λ-contractive polytopes and dealing with measurement noise, and propose modifications to RAMPC so that it can be applied on a quadrotor.
CN · 翻译
在此过程中，我们强调了重要的实际挑战——例如λ-收缩多胞体的计算与测量噪声的处理——并提出了相应修改，使 RAMPC 能够用于四旋翼。
EN · 原文
We first simulate quadrotor flight with a direct and a decoupled control architecture in different scenarios.
CN · 翻译
我们首先在多种场景下，分别用直接推力控制与解耦控制两种架构仿真四旋翼飞行。
EN · 原文
The scenarios include: (i) an unknown mass of the quadrotor as a package delivery scenario with wind as a bounded disturbance; and (ii) all rotor efficiencies drop as a power delivery problem.
CN · 翻译
场景包括：(i) 四旋翼质量未知的包裹投递场景，风作为有界扰动；(ii) 全部旋翼效率下降的动力输送问题。
EN · 原文
We then implement these scenarios on a physical quadrotor and present the experimental results.
CN · 翻译
然后，我们在真实四旋翼上实现这些场景，并给出实验结果。

关键词 Keywords：Robust Adaptive MPC 鲁棒自适应MPC ｜ Quadrotor 四旋翼 ｜ Set-Membership Identification 集员辨识 ｜ Contractive Polytope 收缩多胞体

四、引言精选（为什么这个问题重要）

① MPC 的鲁棒化路线：从「标称保证」到「最坏情形保证」

EN · 原文
Model Predictive Control (MPC), see e.g. [1], is an optimisation based control scheme, which guarantees state and input constraint satisfaction for a discrete-time, nominal system. Robust MPC, see [1], integrates robustness guarantees with respect to bounded disturbances and model uncertainties into the optimisation problem. However, robust MPC controllers result in poor closed loop performance when the uncertainty is large.
CN · 翻译
模型预测控制（MPC）是一种基于优化的控制方案，对离散时间的标称系统保证状态与输入约束满足。鲁棒 MPC 把「对有界扰动和模型不确定性的鲁棒保证」直接并入优化问题。然而，当不确定性很大时，鲁棒 MPC 控制器的闭环性能会变得很差。

② RAMPC 的思想：用「不确定集」而不是「点估计」做自适应

EN · 原文
This is addressed by Robust Adaptive MPC (RAMPC), a novel control technique proposed in [2] using impulse response models to describe system dynamics. The method assumes that the impulse response coefficients lie in a bounded set describing the model uncertainty. Using measurement data, this uncertainty set is updated online by applying set-membership identification [3]. By ensuring that the true parameter is always included in the updated uncertainty set, robust constraint satisfaction is guaranteed in closed loop. The RAMPC method was extended in [4] for linear state space models with affine parametric uncertainty in the state space matrices. This extension enables the use of fewer parameters to describe the model uncertainty, and allows to apply RAMPC to a wider class of systems. Despite these attractive features, RAMPC has never been applied in practice using state space models. In this paper, we aim to bridge the gap between theory and practice, by implementing RAMPC on a quadrotor to perform regulation in various scenarios.
CN · 翻译
这正是鲁棒自适应 MPC（RAMPC）要解决的问题——一种在 [2] 中提出、用脉冲响应模型描述系统动力学的新技术。该方法假设脉冲响应系数落在一个描述模型不确定性的有界集合内；借助测量数据，通过集员辨识 [3] 在线更新这个不确定性集合。由于保证真实参数始终包含在更新后的集合中，闭环下的鲁棒约束满足就有了保障。RAMPC 在 [4] 中被扩展到「状态空间矩阵含仿射参数不确定性」的线性状态空间模型，用更少的参数描述不确定性，也把适用范围扩到更广的系统类别。尽管有这些诱人的特性，RAMPC 从未用状态空间模型在实际中落地过。本文的目标就是填补理论到实践的鸿沟——把 RAMPC 实现到四旋翼上完成多种场景的调节控制。

③ 安全优势：参数不准 + 有扰动时依然保证安全飞行

EN · 原文
The algorithm robustly guarantees a safe flight when the model parameters are not accurately known and the system is affected by disturbances. This provides an inherent safety advantage compared to other adaptive schemes which have been applied to quadrotors, see e.g. [7].
CN · 翻译
当模型参数不精确已知、系统又受扰动影响时，该算法依然鲁棒地保证安全飞行。与其它已应用于四旋翼的自适应方案（如 [7]）相比，这带来了内在的安全优势。

④ 实验场景设计：把「要命的工况」变成可控实验

EN · 原文
To test the effectiveness of RAMPC as a control scheme for quadrotors, we first simulate different scenarios of a quadrotor flight: (i) The first scenario involves an uncertain quadrotor mass as part of a package delivery. If the mass of the package is unknown, it may lead to an unsafe flight resulting in a crash of the quadrotor. Additionally, an unknown wind force is acting on the quadrotor which is modelled as an additive disturbance. (ii) In the second scenario we consider a loss of efficiency in all rotors as a power delivery problem. The simulations were performed with two different control architectures for the quadrotor, a direct thrust control and a decoupled control structure, see [12].
CN · 翻译
为了检验 RAMPC 作为四旋翼控制方案的有效性，我们先仿真多种飞行场景：(i) 第一个场景是包裹投递中四旋翼质量不确定——包裹质量未知可能导致不安全飞行甚至坠机，同时还有一股未知风力作用在四旋翼上，被建模为加性扰动；(ii) 第二个场景把全部旋翼效率下降看作一个动力输送问题。仿真使用了两种不同的控制架构：直接推力控制与解耦控制结构（见 [12]）。
💡 这是全文最有味道的一句：“Despite these attractive features, RAMPC has never been applied in practice using state space models. In this paper, we aim to bridge the gap between theory and practice.”——好论文的动机往往就一句话：「理论很漂亮，但没人试过真机」。把空白讲清楚，贡献就立住了。

五、论文贡献（3 个工程难题 + 解法）

EN · 原文
1. The unknown steady-state input. The first issue is that the steady-state input is itself not known, which is generally ignored when a problem is formulated for regulation.
CN · 翻译
1. 稳态输入未知。第一个难题：稳态输入本身是未知的——而构造调节问题时，这一点通常被忽略。
EN · 原文
2. Measurement noise. The second issue is that the RAMPC algorithm for state space models assumes that the measurements are unaffected by noise, which is not realistic.
CN · 翻译
2. 测量噪声。第二个难题：面向状态空间模型的 RAMPC 算法假设测量不受噪声影响——这在真机上并不现实。
EN · 原文
3. Contractive polytopes with a desired contraction rate. Finally, the algorithm also requires computation of contractive polytopes, whose design affects the feasible region and closed loop performance. To resolve these issues, we present solutions with theoretical guarantees which showed good performance during practical implementation. In addition, we propose a novel algorithm to compute polytopes with a desired contraction rate, which reduces conservatism and computation time of the algorithm.
CN · 翻译
3. 按期望收缩率计算收缩多胞体。第三个难题：算法要求计算收缩多胞体，而多胞体的设计会影响可行域与闭环性能。针对这些问题，我们给出了带理论保证的解法，并在实际实现中表现良好；此外还提出一种新算法，可按期望收缩率计算多胞体，降低算法的保守性与计算时间。

六、结论中英对照

EN · 原文
We used the Robust Adaptive Model Predictive Control scheme to run several experiments on a quadrotor. The existing RAMPC schemes were modified so that unknown steady-state inputs are considered and measurement noise is accounted for. The scenarios which were considered include an unknown mass experiment with wind as a disturbance and rotor failure of all rotors combined. For all the scenarios, it was shown through simulations that RAMPC managed to adapt to the uncertain parameters, as well as ensure state and input constraint satisfaction. Though the direct thrust control mode could not be experimentally implemented, it was shown that RAMPC can be applied to the resulting full state problem in simulations. RAMPC was then used to perform experiments for two proposed scenarios and the results were in agreement with those from the simulations.
CN · 翻译
我们用鲁棒自适应模型预测控制（RAMPC）方案在四旋翼上开展了一系列实验。我们对现有 RAMPC 方案做了修改：考虑未知的稳态输入、并计入测量噪声。考虑的场景包括「以风为扰动的质量未知实验」与「全部旋翼失效（组合故障）」。所有场景的仿真都表明，RAMPC 既能自适应不确定参数，又能保证状态与输入约束满足。虽然直接推力控制模式未能实验实现，但仿真表明 RAMPC 可以应用于由此得到的全状态问题。随后我们针对两个既定场景用 RAMPC 做了实验，结果与仿真一致。

七、编者解读：这篇论文到底讲了什么（大白话版）

  1. 问题：RAMPC 的理论很漂亮——用一个「不确定集」把真实参数永远圈在里面，闭环约束就永远满足；但从来没人把它搬上真机。理论到工程之间隔着三大坑：稳态输入不知道、测量有噪声、收缩多胞体不好算。
  2. 做法：作者选四旋翼当「试验田」，先仿真后真机，专门设计了两个要命的场景——「包裹投递：质量未知 + 风扰动」和「动力下降：所有旋翼效率一起掉」，并分别用直接推力控制与解耦控制两种架构测试。
  3. 结果：所有场景的仿真中，RAMPC 都能自适应不确定参数并守住状态/输入约束；真机实验结论与仿真一致（直接推力模式因硬件限制未做实验，但仿真证明可行）。
  4. 最值钱的观点：「鲁棒」和「自适应」不是二选一——用集员辨识在线收窄不确定集，既保住最坏情况下的约束保证，又不牺牲正常工况下的性能。
  5. 工程意义：对无人机/机器人开发者来说，「模型参数不准 + 外界有扰动」是常态；这类带保证的自适应控制是安全关键系统的刚需，尤其适合负载变化（投递）、部件退化（旋翼效率下降）场景。
🎯 对保研的启示：本文是「把一个理论方法做成系统实验」的范本——问题定义（三大坑）、方法修改（带理论保证的解法）、实验设计（仿真+真机+两种架构）三步走。复试时若能讲清「我怎样把一个理想假设变成可落地的系统」，比罗列模型名词更有说服力。

八、给准大一的阅读路线图 & 延伸方向

📖 怎么读这篇论文（三遍法）

  1. 第一遍（10 分钟）：只读摘要和术语表，回答三个问题——RAMPC 是什么？为什么之前没人用它飞真机？两个实验场景分别测什么？
  2. 第二遍（20 分钟）：读引言 + 结论，重点体会「不确定性集合 vs 点估计」的区别，以及结论里坦承的边界（直接推力模式未做实验）。
  3. 第三遍（30 分钟）：读方法文字部分（集员辨识、收缩多胞体、两种控制架构），跳过所有公式和编号，只看文字描述；遇到不懂的术语回查术语表。

🚀 这个方向你能延伸做什么

九、英文摘要朗读（练听力用）

先盲听一遍→再看对照稿→再听一遍。目标是听出场景编号 (i) (ii) 与术语 RAMPC、set-membership identification、λ-contractive polytope、steady-state input。