CLIS-MPPI：延迟下初始状态采样控制

2026年10月16日，arXiv Robotics 刊出 Zidong Liu、Xu Chen 的论文，提出 CLIS-MPPI（Closed-Loop MPPI with Initial-State Sampling）闭环模型预测路径积分控制方法。该方法针对执行时刻的状态失配，将规划延迟建模为执行时刻初始状态的分布，从采样初始状态进行 rollout 优化，并在控制执行时加入基于 rollout 的局部反馈修正。在 6-DoF UR5e 机械臂窄通道避障与末端目标到达任务中，同一任务 5 次真实实验里，标准 MPPI 碰撞 2 次，CLIS-MPPI 5 次均无碰撞。按各自无碰撞运行平均（MPPI 3 次、CLIS-MPPI 5 次），CLIS-MPPI 将平均任务完成时间从 25.4s 降至 24.4s，末端执行器平均路径长度从 0.456 m 降至 0.425 m；关节位置与关节速度的整体均方根误差分别从 0.100 rad、0.108 rad/s 降至 0.017 rad、0.011 rad/s。目前进展为论文发表及上述实验结果，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。