Title: Hybrid System Planning using a Mixed-Integer ADMM Heuristic and Hybrid Zonotopes
Authors: Joshua A. Robbins, Andrew F. Thompson, Jonah J. Glunt, Herschel C. Pangborn
arXiv: https://arxiv.org/abs/2602.17574
Problem framing
混杂系统规划通常落到 MIP，瓶颈在于整数变量导致的求解时间与数值脆弱性。论文关注“可嵌入部署”的关键矛盾：既要保留 PWA/离散模式表达，又要在硬件上可实时迭代。
Core method
提出 hybrid zonotope 表达可达集，并设计面向该结构的 mixed-integer ADMM 启发式。核心是把集合运算、约束松弛与整数决策在同一表示内耦合，降低内存复杂度并强化凸松弛紧性。
Key equations and mechanisms
其可抽象为：
以 ADMM 交替更新连续子问题与整数投影，并利用 hybrid zonotope 的生成元结构减少每步投影/约束处理代价。对比常见 MIP 启发式，优势在“结构感知”而非单纯参数调优。
Experiment reading guide
建议先看 reachability 表达规模与松弛紧度对比，再看收敛速度曲线，最后看自动驾驶行为-运动联合规划实验，判断其对真实任务链路的意义。
Limitations
当前仍属启发式框架，最坏情形全局最优性保证有限；当离散模式极多时，ADMM 仍可能陷入次优固定点，需要 warm-start 或分层分解增强。
Future work
可探索与 learning-based branching 结合，形成“结构可解释 + 数据驱动搜索”的混合求解器；也可扩展到接触丰富操作场景。
Replication angle
优先复现两类指标：求解 wall-clock 与可行解质量分位数；并做不同整数维度下的退化曲线，评估可扩展边界。
Figure
arXiv 页面无稳定直链图片；建议参考 PDF Fig.3/Fig.6：https://arxiv.org/pdf/2602.17574.pdf
Graph: Paper Node 2602.17574