模型预测控制

模型预测控制，也就是 MPC，是会“向前想”的控制器。在每一个瞬间，它都用一个关于机器人如何运动的内部模型，去设想接下来的几秒钟，在脑子里试验许多种可能的行动方案，挑出结果最好的那一套，然后只执行这套方案的第一步——其余的统统丢掉。一个心跳之后，它再看一眼新的情况，把整件事从头再做一遍。这就像一位棋手，会盘算往后好几步，却每次只落一子，落子之后再重新盘算。

它向前窥探的那扇窗口叫做时域，而由于这扇窗口会随着机器人不断向前滑动，MPC 又被称为滚动时域控制。有两点让这种风格很强大。第一，它会规划，所以能预先料到前方的一个转弯或一堵墙，而不是等到为时已晚才作出反应。第二，也是最重要的，它能把硬性约束直接放进规划里：“绝不发出超过这台电机所能给出的力矩”“绝不让手臂越进那堵墙”“把速度保持在限值之下”。优化器会干脆拒绝任何违反规则的设想方案。

这一切前瞻的代价是计算量。MPC 必须实时地、在机器人上、每秒许多次地求解一个全新的优化问题——本质上就是一个在该时域上的小型最优控制问题。多年以来，这只有对化工厂这类慢系统才办得到，但更快的计算机和更聪明的求解器，已经把 MPC 带到了四足机器人、无人机和自动驾驶汽车上，如今它能一边协调许多条腿或许多个轮子，一边遵守每一项物理极限。