Deep MPC는 모델 예측 제어와 딥 러닝을 통합하는 분야입니다. 이 논문은 MPC와 함께 딥 뉴럴 네트워크를 사용하는 특정 접근 방식에 초점을 맞춥니다. 이러한 접근 방식은 뉴럴 네트워크가 모델 불확실성을 학습하고 MPC가 제약 조건을 처리하도록 제어 권한을 분배합니다. 이 접근 방식은 시스템 작동 중에 수집된 훈련 데이터를 사용하여 뉴럴 네트워크를 미세 조정할 수 있고, MPC가 학습 과도기 동안 안전하지 않은 동작을 방지하기 때문에 매력적입니다. 이 논문은 Deep MPC 구현의 어려움, 제어 권한을 분배하는 알고리즘 방식에 대해 설명하며, 제어 권한을 잘못 분배하면 성능이 저하될 수 있다고 주장합니다. 성능 저하의 이유는 4륜 스키드 스티어 동역학에 대한 수치 실험을 통해 설명됩니다.
