采样型MPC统一为SMC推理框架

2026年11月10日，arXiv Robotics刊出Austin Garrett等作者的预印本研究，提出将基于采样的模型预测控制统一为单一序贯蒙特卡洛（SMC）推理算法。作者称，predictive sampling、MPPI、交叉熵法等采样型MPC均可由该SMC推理算法实现，并由三个独立维度定义：提议分布、将代价加权粒子归约为名义规划的更新规则，以及用于重采样的有效样本量阈值。实验方面，作者报告在导航域28节（knot）时域下，相比不重采样的基线，碰撞率降低30%；在push-T任务中，可编程提议相比扰动式基线，仿真成功率由1%提升至100%，硬件上由10%提升至90%。上述数字均为作者自述的实验结果，尚待独立验证。

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。