AC-SMPC：带状态约束的可微Actor-Critic MPC用于安全快速机器人导航

作者提出带状态约束的actor-critic模型预测控制框架AC-SMPC，用于受限动态环境中的安全导航。方法用顶点表示机器人与障碍物、用半空间表示工作空间，将非线性机器人动力学局部线性化，并把基于超平面的避碰约束凸化后嵌入可微MPC层；actor利用闭环反馈调整MPC目标参数以塑造局部运动，critic评估长期任务表现。作者还用有界且带惩罚的松弛变量放松凸化约束，形成弹性二次规划，以应对局部约束近似无法同时满足的情况。涉及多机器人在狭窄场景中动态避碰的仿真测试与实验显示，该框架在保持运动安全的同时能自适应调整学习策略并提升导航效率。