模型预测控制（Model Predictive Control, MPC）是一种基于动态模型的最优控制方法，通过实时求解有限时域内的优化问题来计算控制指令。其核心思想是在每个控制周期内，利用当前系统状态和预测模型，对未来一段时间内的系统行为进行滚动优化，并只执行第一个控制量。这种「预测-优化-执行」的闭环机制使其能够有效处理多变量约束条件下的控制问题，在自动驾驶领域尤其适用于轨迹跟踪和避障等复杂场景。
在自动驾驶产品开发中，MPC因其显式处理约束的能力而成为运动控制层的首选算法。例如在路径跟踪场景中，MPC可以同时考虑车辆动力学约束、道路边界约束和执行器限制，通过优化方向盘转角和加速度指令，实现安全舒适的轨迹跟踪。现代实现中常结合深度学习提升预测模型精度，如使用神经网络建模轮胎非线性特性。需要注意的是，MPC的计算复杂度较高，工程落地时需在预测时域长度、模型精度和实时性之间权衡。