Apollo-控制*

控制：利用车上的装置，让车的行驶尽可能地贴合规划
控制方法：PID LQR MPC

控制流程

输入：规划路线、车当前的状态
输出：转向（steering）、加速(accelcration)、制动（brake）

PID

输入：实际和预期的偏差

P：开环，比如让一辆车5s中到达10m的地方，P控制会让车以2m/s的速度过去，但会超过那个地方。为什么会有稳态误差？（“把它拉回来”，但容易过头）

只考虑当前情况，解决当前误差就行。就是上面那个开车的意思。

I：积分，处理累计的错误，消除历史误差。（但这种消除，比较慢）

D：微分，监控未来。比如“预测到这样调整会过调，那么就会在中途减速，停在指定位置”

“好像PD就足够了？要I干嘛？”

线性二次调节器（LQR）

模型预测控制（MPC）

分三步：

1. 建立车辆模型
2. 使用优化引擎，计算有限时间范围内的控制输入（得到最优的控制序列）
3. 执行第一次控制输入

这个控制控制序列，是指将一组组控制输入重新排序，还是指每一组控制中每个设备的控制顺序进行调整？

车辆模型：它会预测执行一组控制操作后会发生什么
将这一个预测结果给到优化引擎进行优化

优化引擎会根据控制序列，对行驶轨迹进行建模（预测），并计算每种预测结果的成本（对其进行评估）选择最好的

MPC和PID

前者比后者更为精确（考虑了车辆模型），而且前者包含了成本函数，可以适应更多的情况
但前者也比后者更为复杂一些，却拥有着更好的可拓展性