Para que amostrar tantas trajetórias de torque em vez de uma só otimização?

O MPPI aproxima a distribuição ótima de controles com amostras ponderadas. Assim se evita um NLP não convexo difícil, ao custo de um K suficiente e de uma temperatura razoável que destaque as trajetórias baratas.

O que acontece se o horizonte H for curto demais?

O planejador pode «não enxergar» longe o bastante para meter energia no balanço e ficar preso embaixo. Um H maior olha mais longe, mas encarece cada replanejamento.

Por que limitar |u| ≤ u_max?

Atuadores reais saturam. Sem limite de torque, a amostragem inventaria controles irrealmente grandes. O limite transforma o balanço num problema subatuado de verdade, e não num salto instantâneo à posição de cima.

MPC: balanço de um pêndulo

Controle preditivo por modelo: K candidatos de torque no horizonte H, atualização ponderada MPPI, limite |u|≤u_max — balanço de um pêndulo invertido e replanejamento em marcha.

Sobre o modelo

O balanço de um pêndulo invertido parte da posição de baixo e precisa sustentá-lo em cima: o atuador satura. O controle preditivo por modelo (MPC) em cada passo otimiza um plano curto, aplica a primeira ação e volta a planejar. Aqui o MPPI é por amostragem (integral sobre trajetórias): geram-se K sequências candidatas de torque no horizonte H, avança-se o modelo do pêndulo, pontua-se cada trajetória pelo custo e atualiza-se o controle nominal com uma média ponderada sob |u| ≤ u_max. A tarefa é balançar e sustentar o pêndulo invertido enquanto o plano se recalcula em marcha. Simplificações: dinâmica reduzida, sem um otimizador NLP completo, amostragem estocástica em vez de um MPC globalmente ótimo. Mudam-se K, H e u_max: qualidade da amostra frente à velocidade do replanejamento.

Para quem: Cursos avançados de controle e robótica: MPC por amostragem, balanço de um pêndulo.

Conceitos-chave

controle preditivo (MPC)
MPPI
balanço de um pêndulo
pêndulo invertido
horizonte de controle
controle por amostragem

Como funciona

Balança-se um pêndulo invertido com controle preditivo MPPI: no horizonte H amostram-se K sequências de torque, avança-se o modelo e atualiza-se o u nominal com uma média ponderada sob |u|≤u_max. Ao objeto vai a primeira ação e depois o plano se recalcula. Um H curto não «vê» o acúmulo de energia; um K pequeno dá uma amostragem ruidosa.

Fórmulas principais

Iθ̈ = − m g L sinθ − bθ̇ + u, |u| ≤ u_max

min J = Σ [q_θ(1+cosθ) + q_ω ω² + r_u u²] + q_term · (1+cosθ_T)²

MPPI: μ_t ← Σ w_k u_t^k / Σ w_k, w_k = exp(−(J_k − J_min)/λ)

Perguntas frequentes

Para que amostrar tantas trajetórias de torque em vez de uma só otimização?: O MPPI aproxima a distribuição ótima de controles com amostras ponderadas. Assim se evita um NLP não convexo difícil, ao custo de um K suficiente e de uma temperatura razoável que destaque as trajetórias baratas.
O que acontece se o horizonte H for curto demais?: O planejador pode «não enxergar» longe o bastante para meter energia no balanço e ficar preso embaixo. Um H maior olha mais longe, mas encarece cada replanejamento.
Por que limitar |u| ≤ u_max?: Atuadores reais saturam. Sem limite de torque, a amostragem inventaria controles irrealmente grandes. O limite transforma o balanço num problema subatuado de verdade, e não num salto instantâneo à posição de cima.

Continue com temas próximos desta categoria — ou todos os 48 em «Engenharia».

Toda a categoria →

NovoUniversidade / pesquisa

Carrinho–pêndulo: LQR, MPC e PID

Abrir o simulador

Carrinho não linear com pêndulo invertido: linearização no topo, LQR discreto (Riccati), MPC linear-quadrático de horizonte finito com P∞ terminal e PID manual — um só limite de força.

NovoUniversidade / pesquisa

MPC: veículo holonômico 2D

Abrir o simulador

Integrador duplo no plano com limite ‖u‖₂: MPPI por amostragem leva a uma meta que se arrasta e penaliza com suavidade obstáculos circulares — leque de previsões e melhor caminho.

NovoUniversidade / pesquisa

Filtro de partículas (localização)

Abrir o simulador

Robô 1D ou 2D com balizas fixas de distância: previsão por odometria com ruído, atualização por verossimilhança gaussiana, reamostragem sistemática se o ESS é baixo; média ponderada contra a trajetória verdadeira.

NovoUniversidade / pesquisa

ADC e DAC

Abrir o simulador

Um seno contínuo vira amostras e é quantizado; o DAC reconstrói uma tensão em degraus (retenção de ordem zero). Veem-se o critério de Nyquist e a sobreposição de espectros.

NovoEscola

Planejador RRT

Abrir o simulador

O mesmo mapa de paredes 40×28: amostras ao acaso, nó mais próximo, passo com verificação de colisões, viés de amostragem rumo à meta; botão para comparar com A*.

NovoUniversidade / pesquisa

Termostato e PID

Abrir o simulador

Modelo térmico de primeira ordem de uma sala: aquecimento liga-desliga com histerese comparado à potência contínua de um PID.

MPC: balanço de um pêndulo

Sobre o modelo

Como funciona

Fórmulas principais

Perguntas frequentes

Simuladores relacionados

Carrinho–pêndulo: LQR, MPC e PID

MPC: veículo holonômico 2D

Filtro de partículas (localização)

ADC e DAC

Planejador RRT

Termostato e PID

MPC: balanço de um pêndulo

Sobre o modelo

Como funciona

Fórmulas principais

Perguntas frequentes