GPR增强DeePC轨迹跟踪算法

高精度轨迹跟踪

利用高斯过程回归的概率信息提升数据驱动预测控制对未知系统的轨迹跟踪精度，并通过机会约束保证约束满足。

Huang, Teng · 戴力 · Li, Sihang · Min, Lin · 夏元清

International Journal of Robust and Nonlinear Control 2025

技术优势

无需知晓系统模型

算法直接从输入输出数据学习系统行为，无需事先知道系统的动力学方程，适用于模型难以获取或高度不确定的对象。

硬件即可部署

在移动机器人八字形轨迹跟踪实验中成功实现高精度控制，验证了算法在实际系统上的有效性，而非仅停留在仿真层面。

应用场景

• 具身智能轨迹跟踪：为具身智能体提供基于数据的高精度轨迹跟踪控制，无需精确动力学模型。
• 工业机器人控制：提升工业机器人在未知负载或环境变化下的轨迹跟踪精度，减少重复建模。
• 医疗机器人运动控制：使医疗机器人能在系统参数不确定时保持高精度轨迹跟踪，提高安全性。
• 软体机器人控制：软体机器人动力学复杂且难以建模，该算法可从数据学习并实现精确跟踪。