OpEn (Optimization Engine)

以 Rust 撰寫的嵌入式非凸最佳化求解器，用於機器人的即時模型預測控制（MPC）

授權條款

MIT, Apache 2.0

概述

OpEn（Optimization Engine）是一個在嵌入式系統上進行快速、記憶體安全之非凸最佳化的框架，以 PANOC 近端平均牛頓型演算法為核心，並以增廣拉格朗日法與懲罰法處理約束條件。問題以 Python 或 MATLAB 搭配 CasADi 符號運算來描述；OpEn 會為目標平台——機器人的機載電腦、MCU 等級的開發板或 ROS 節點——產生無相依性的 Rust 求解器，從而實現即時模型預測控制與無碰撞軌跡最佳化。

工作流程以程式碼產生為主：你在 OpEn 的 Python/MATLAB 前端 opengen 中定義決策變數、（可能非凸的）成本函數與約束條件；它會輸出一個實作 PANOC 的獨立 Rust crate——PANOC 是一種結合近端梯度與 L-BFGS 方向的線搜尋方法，無需 Hessian 矩陣即可快速收斂——並以 ALM/懲罰法外層迴圈處理一般約束條件。產生的求解器不會有意外的堆積配置、沒有外部函式庫，且記憶體用量有可證明的上限：這正是重視認證的嵌入式控制所需要的。介面包括直接使用 Rust、C/C++ 綁定、TCP 伺服器模式、Python 綁定，以及 ROS 套件產生器。典型的機器人應用包括以數百赫茲執行、用於避障的非線性模型預測控制（MPC）（其導航範例已成為 AGV/無人機無碰撞 MPC 的參考）、軌跡最佳化，以及在資源受限平台上的滾動時域估測。OpEn 由學術界開發（Sopasakis 等人，IFAC 2020 論文），並採用 MIT/Apache-2.0 雙重授權。

為何重要

OpEn 讓即時非凸模型預測控制（MPC）在小型機器人上變得可行：一個具備 Rust 記憶體保證、無相依性、記憶體用量有上限，並能在嵌入式開發板上執行的求解器——當機器人必須每隔幾毫秒就在機上重新求解避障問題時，這正是你需要的元件。

解決的問題

通用 NLP 求解器（IPOPT 等級）對於高頻率的機上模型預測控制（MPC）而言太慢、太笨重，而手寫的求解器又容易出錯。OpEn 只需幾行 CasADi，就能為你的特定問題產生快速、無相依性且記憶體安全的求解器。

重點

• PANOC 演算法：近端梯度 + L-BFGS，無需 Hessian 矩陣即可快速求解非凸問題
• 產生獨立、無相依性且記憶體用量有上限的 Rust 求解器
• Python（opengen）與 MATLAB 前端，搭配 CasADi 符號運算
• 可直接以 Rust/C/C++ 使用，並提供 TCP 伺服器模式與 ROS 套件產生
• AGV 與無人機上嵌入式無碰撞模型預測控制（MPC）的首選參考；MIT/Apache-2.0 雙重授權

適用對象

• 部署機上模型預測控制（MPC）的控制工程師
• 從事軌跡最佳化的機器人研究人員
• 需要利於認證之求解器的嵌入式開發者
• AGV/無人機自主系統團隊

限制

• 以一階方法為基礎的 PANOC，在病態問題上可能落後於內點法
• 非凸性意味著得到的是局部（而非全域）解——初始化很重要
• 透過 ALM/懲罰法處理約束條件時，對於硬性等式約束需要調整容許誤差