Model Predictive Control Benchmark for Robotics（MPC Benchmark）是机器人模型预测控制研究社区维护的标准化评测基准，用于公平比较不同MPC方法在各类机器人任务上的控制性能、计算效率和鲁棒性。基准涵盖线性MPC、非线性MPC（NMPC）、学习型MPC、鲁棒MPC、随机MPC等多种MPC范式，包括机械臂操作、移动机器人导航、人形机器人运动、无人机控制、自动驾驶等多种任务类型。基准提供了统一的系统模型接口、标准化的评估协议、可复现的实验设置和公开的排行榜，支持多种仿真环境（MuJoCo、PyBullet、Gazebo、ROS等）和真实机器人平台。
Model Predictive Control Benchmark for Robotics
Model Predictive Control Benchmark for Robotics（MPC Benchmark）是机器人模型预测控制研究社区维护的标准化评测基准，用于公平比较不同MPC方法在各类机器人任务上的控制性能、计算效率和鲁棒性。基准涵盖线性MPC、非线性MPC（NMPC）、学习型MPC、鲁棒MPC、随机MPC等多种MPC范式，包括机械臂操作、移动机器人导航、人形机器人运动、无人机控制、自动驾驶等多种任务类型。基准提供了统一的系统模型接口、标准化的评估协议、可复现的实验设置和公开的排行榜，支持多种仿真环境（MuJoCo、PyBullet、Gazebo、ROS等）和真实机器人平台。
测试方法与条件
在统一系统模型和任务下运行各MPC方法，记录控制性能、计算效率、约束满足度、鲁棒性等指标，多次运行取平均值和标准差