Title: cuNRTO: GPU-Accelerated Nonlinear Robust Trajectory Optimization
Authors: Jiawei Wang, Arshiya Taj Abdul, Evangelos A. Theodorou
arXiv: https://arxiv.org/abs/2603.02642
arXiv 页面无稳定直链图片。
Problem framing
鲁棒轨迹优化常转化为含大量 SOCP 约束的问题，计算代价高，难以满足机器人实时控制需求。
Core method
cuNRTO 通过 CUDA 并行化与两类动态优化架构，把非线性鲁棒轨迹优化搬到 GPU 高吞吐执行，目标是把“可证鲁棒”推进到“在线可用”。
Key equations and mechanisms
问题形式可写作：
并将鲁棒约束转为可并行求解的锥约束子问题。机制亮点在于大规模约束的 GPU 批处理。
Experiment reading guide
建议重点看求解时间、可行率、鲁棒边界三者的 trade-off；尤其关注与 CPU/现有求解器在高维场景的扩展差异。
Limitations
GPU 实现可能受硬件与内存带宽约束；在小规模问题上加速比未必显著。
Future work
可与学习型 warm-start 结合，进一步降低迭代次数；也可探索与 VLA 高层决策耦合形成分层闭环。
Replication angle
复现时固定同一鲁棒约束规模，分别测单卡 GPU 与多核 CPU 曲线，确认加速来源是算法结构而非仅工程优化。
Graph: Paper Node 2603.02642