Model Öngörülü Kontrol (MPC) sistemleri, gerçek zamanlı yörünge planlama ve optimizasyon için sistem modellerine dayandığından, model belirsizlikleri karşısında performans sorunları yaşayabilmektedir. Bu sorunu ele alan araştırmacılar, MPC tabanlı politikalar için yeni bir optimizasyon çerçevesi geliştirmiştir.
Geliştirilen yöntem, diferansiyel optimizasyon ile sıfırıncı dereceden optimizasyonu birleştiren hibrit bir yaklaşım benimsiyor. Bu stratejide model tabanlı ve model içermeyen gradient tahmini yöntemleri bir araya getirilerek, her iki yaklaşımın avantajları kullanılıyor.
Sistemin en önemli katkısı, tamamen veri odaklı yaklaşımlara kıyasla daha hızlı geçici performans sunması ve model belirsizliği durumunda bile yakınsama garantileri sağlamasıdır. Bu özellik, özellikle sistem dinamiklerinin tam olarak bilinmediği uygulamalarda kritik öneme sahiptir.
Araştırma ekibi, geliştirdikleri yöntemin etkinliğini 12 boyutlu quadcopter modeli üzerinde test etmiş ve başarılı sonuçlar elde etmiştir. Bu doğrusal olmayan kontrol görevi, yöntemin karmaşık sistemlerdeki performansını göstermesi açısından önemli bir test ortamı oluşturmuştur.
Bu gelişme, otonom araçlardan endüstriyel robot kontrolüne kadar geniş uygulama alanlarında model belirsizliği sorununu aşmak için umut verici bir çözüm sunmaktadır.