MPPI with Control Barrier Functions for F1/10：真实世界不确定性下的鲁棒安全控制

本项目在 F1/10 自主赛车平台上实现了 Shield-MPPI，这是一种将 Control Barrier Functions (CBFs) 与 Model Predictive Path Integral (MPPI) 控制相结合的新方法，旨在实现真实世界不确定性条件下的鲁棒安全导航。

主要贡献包括：

• 安全保障：通过离散时间 CBFs 确保预定义安全集的前向不变性。
• 代价增强与控制滤波：在 MPPI 轨迹代价中加入 CBF 惩罚项，并应用基于梯度的滤波方法以保证实时安全性。
• 鲁棒性评估：在仿真和实际赛车环境中评估了系统在扰动、噪声和模型失配下的表现。
• 计算可行性：验证了 Shield-MPPI 在资源受限平台上的实时性能。

该方法在碰撞避免、赛道跟踪和鲁棒性方面较基准 MPPI 有显著提升。