Control

Introduction

控制是驱使车辆前行的策略
对于汽车而言, 最基本的控制输入为转向、加速和制动

通常，控制器使用一系列路径点来接收轨迹，控制器的任务是使用控制输入，让车辆通过这些路径点。

首先控制器必须准确，这意味着它应该避免偏离目标

其次，控制策略对汽车应该具备可行性

最后，平稳点, 提高乘客的舒适度

三种策略:

• proportional-integral-derivative controL, or PID, 比例积分微分控制
• linear quadratic regulator, or LQR 线性二次调节器
• model predictive control, or MPC 模型预测控制

Sebastian’s Take

控制是一门让汽车在既定轨迹上平稳运行的学问

控制是个很复杂的领域，只有通过10年控制领域的潜心学习，你才能拿到一个博士学位，之后才能成为一名控制学教授。

Control pipeline

PID Control

P 表示比例, proportional
比例控制意味着车辆偏离越远，控制器就越难将其拉回目标轨迹。

D 代表微分, derivative
当车辆越来越接近目标轨迹时，我们需要控制器更加稳定
D 致力于使运动处于稳定状态

I 表示积分, Integral
负责纠正车辆的任何系统性偏差
例如，转向可能失准，这可能造成恒定的转向偏移。在这种情况下，
我们需要稍微向一侧转向，以保持直行。为解决这一问题，控制器会系统的累积误差进行惩罚。

PID Pros and Cons

Pros

• 简单
• 只需知道你的车辆与目标轨迹之间的偏差

Cons

• PID控制器只是一种线性算法？
• 对于非常复杂的系统而言，这是不够的
• 对无人驾驶而言，我们需要应用不同的PID控制器来控制转向和加速。这意味着很难将横向和纵向控制结合起来。
• PID控制器依赖于实时误差测量，这意味着受到测量延迟限制时可能会失效。

Linear Quadratic Regulator

LQR, 是基于模型的控制器，它使用车辆的状态来使误差最小化。

Apollo 使用LQR进行横向控制, 横向控制包含四个组件：

• 横向误差, the rate of change of the lateral error
• 朝向误差, the heading error
• 朝向的变化率, the rate of change of the heading

Model Predictive Control, MPC

非常依赖于数学优化
三个步骤, MPC是一个重复过程：

• Build a model of the vehicle, 建立车辆模型
• use an optimization engine to calculate control inputs over a finite time horizon, 使用优化引擎计算有限时间范围内的控制输入
• and then implement the first set of control inputs. 然后执行第一组控制输入

Time Horizon and Vehicle Model

Optimization for MPC

MPC Pros and Cons

值得为MPC投入实现成本

Control Projects from SDCND

Summary

Apollo支持所有者三种控制器