多智能体协同控制技术，特别是无人车、无人机和无人船的编队控制与路径跟随。重点讲解了基于模型预测控制（MPC）的分布式编队协同控制方法及其在MATLAB和Simulink中的实现。文中还涉及路径规划的重要性和常用算法，如A*算法和Dijkstra算法。通过具体的MATLAB代码示例和Simulink建模，展示了如何实现高效的多智能体协同控制。 适合人群：对无人驾驶技术和多智能体系统感兴趣的科研人员、工程师及高校学生。 使用场景及目标：适用于研究和开发无人车、无人机、无人船的编队控制和路径规划项目，旨在提高多智能体系统的协同效率和性能。 其他说明：文章不仅提供了理论背景，还包括实用的代码示例和仿真工具介绍，有助于读者深入理解和实践相关技术。

用simulink搭建了一个汽车路径规划仿真，采用模型预测控制，具有很好的跟随性

rhino 路径跟随插件（supersweep/rhino7），自由跟随，可多个件跟随

无人驾驶汽车系统；事件触发控制；模型预测控制；路径跟随

pid控制器代码matlab Matlab / Simulink实现REMUS 100的路径跟随 此实现分为两部分： A）包含REMUS 100模型，LOS法则实现和鲁棒PID控制器的Simulink文件 B）一个用simulink文件的脚本版本实现的Matlab脚本。 此代码基于的工作和 本研究采用的remus 100模型来自。 [[]] 入门 要运行simulink模型，请使用MATLAB 2018b或更高版本。 要运行Matlab脚本，请将文件夹的内容添加到Matlab路径并运行文件SimulatorFileRemusPID.m。 参照 如果您想引用此代码，请引用： W.Ariza Ramirez，《高斯过程应用于水下车辆的系统识别，导航和控制》，博士学位论文，澳大利亚海事学院，2019年 作者 威尔默·阿里扎·拉米雷斯（Wilmer Ariza Ramirez） 塔斯马尼亚大学澳大利亚海事学院，纽纳姆TAS 7248，澳大利亚

该资源，是Unity 3D路径跟随，可以选择闭合曲线和非闭合曲线，目标跟随时可以选择旋转跟随和非旋转跟随，曲线的绘制采用Hermite曲线。

多AUV的模糊滑膜路径跟随编队方法研究，黄海，，多智能水下机器人（AUV）编队可以在较大区域实现海洋环境的采样与勘探。本文根据AUV的欠驱动运动学特性，建立了AUV的运动学模型。基

路径跟随算法follow the carrot算法，在ros环境下已经调试好的，可以直接编译运行的程序，需要给程序发布话题/amcl_pose 消息格式为geometry_msgs/PoseWithCovarianceStamped，算法经过计算发布速度到话题/cmd_vel

基础的阿克曼智能车L1路径跟随算法Matlab程序 有完整注释，程序中用了8个路径点。 程序已经进行运行验证。

本文介绍了一种新的非线性制导算法，切已验证了其在无人机沿曲线路径制导方面有更好性能。该算法在沿直线路径跟踪时采用了PD控制器，而沿曲线路径跟踪时加入了超前控制。在横向加速度指令的计算中使用了惯性速度，并向由外部扰动引起的速度变化加入了自适应能力。使用两家小型无人机的测试，每架飞机控制在1.6m以内的RMS（均方根误差）。