用途：面向机器人系统的模型预测控制（MPC）设计、实现与调优，覆盖线性与非线性 MPC。
主要能力：推导机器人运动学与动力学模型；构建 MPC 优化问题（QP、NLP）；配置 CasADi 进行符号求导；为实时 MPC 设置 ACADO 代码生成；实现速度、加速度、碰撞等约束处理；配置代价函数权重（跟踪、控制量）；实现热启动以加快收敛；为非线性系统设置 NMPC；配置终端约束与终端代价；优化求解器参数以支持实时执行。
使用方式：当流程需要高级基于模型的控制、带约束的轨迹跟踪或基于实时优化的控制策略时调用该技能。涉及的目标流程包括 mpc-controller-design.js、trajectory-optimization.js、dynamic-obstacle-avoidance.js、path-planning-algorithm.js。依赖项为 CasADi、ACADO Toolkit、OSQP、qpOASES、Ipopt。输出物包括 MPC 构建代码、CasADi 符号模型、ACADO 生成代码、QP/NLP 求解器配置、代价函数调优参数与约束规格。
适用场景：机器人轨迹跟踪、动态避障、路径规划等需要约束优化与实时控制的任务。
限制：资料未提供具体安装命令、版本兼容性、许可与收费信息，也未说明各平台支持细节；实际使用需自行确认依赖环境。