論文の概要: Trajectory Optimization of Chance-Constrained Nonlinear Stochastic
Systems for Motion Planning and Control
- arxiv url: http://arxiv.org/abs/2106.02801v1
- Date: Sat, 5 Jun 2021 05:15:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 17:39:21.823173
- Title: Trajectory Optimization of Chance-Constrained Nonlinear Stochastic
Systems for Motion Planning and Control
- Title（参考訳）: 時間制約非線形確率系の運動計画制御のための軌道最適化
- Authors: Yashwanth Kumar Nakka and Soon-Jo Chung
- Abstract要約: 本研究では、連続時間確率制約非線形最適制御問題(SNOC)に対する準最適解を求める。
提案手法は,不確実性下でのロボットシステムの動作計画と制御を可能にする。
- 参考スコア（独自算出の注目度）: 9.35511513240868
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present gPC-SCP: Generalized Polynomial Chaos-based Sequential Convex
Programming method to compute a sub-optimal solution for a continuous-time
chance-constrained stochastic nonlinear optimal control problem (SNOC) problem.
The approach enables motion planning and control of robotic systems under
uncertainty. The proposed method involves two steps. The first step is to
derive a deterministic nonlinear optimal control problem (DNOC) with convex
constraints that are surrogate to the SNOC by using gPC expansion and the
distributionally-robust convex subset of the chance constraints. The second
step is to solve the DNOC problem using sequential convex programming (SCP) for
trajectory generation and control. We prove that in the unconstrained case, the
optimal value of the DNOC converges to that of SNOC asymptotically and that any
feasible solution of the constrained DNOC is a feasible solution of the
chance-constrained SNOC. We derive a stable stochastic model predictive
controller using the gPC-SCP for tracking a trajectory in the presence of
uncertainty. We empirically demonstrate the efficacy of the gPC-SCP method for
the following three test cases: 1) collision checking under uncertainty in
actuation, 2) collision checking with stochastic obstacle model, and 3) safe
trajectory tracking under uncertainty in the dynamics and obstacle location by
using a receding horizon control approach. We validate the effectiveness of the
gPC-SCP method on the robotic spacecraft testbed.
- Abstract（参考訳）: gPC-SCP: 一般化多項式カオスに基づく逐次凸計画法を用いて、連続時間確率制約確率論的最適制御問題(SNOC)問題に対する準最適解を求める。
このアプローチは不確実性の下でロボットシステムの動作計画と制御を可能にする。
提案手法は2つのステップを含む。
最初のステップは、gpc展開と確率制約の分布ロバスト凸部分集合を用いてsnocに従属する凸制約を持つ決定論的非線形最適制御問題(dnoc)を導出することである。
第2のステップは、軌道生成と制御のためにシーケンシャル凸プログラミング(SCP)を用いてDNOC問題を解決することである。
制約のない場合、DNOCの最適値は漸近的にSNOCの値に収束し、制約されたDNOCの任意の実現可能な解は、チャンス制約されたSNOCの実行可能な解であることを示す。
不確実性の存在下での軌道追跡にgpc-scpを用いた安定確率モデル予測制御器を導出する。
1) 作動時の不確実性下での衝突点検法, 2) 確率的障害物モデルによる衝突点検法, 3) 後退地平線制御アプローチによる力学および障害物位置の不確実点下での安全な軌道追跡法,の3つの試験例に対するgpc-scp法の有効性を実証した。
ロボット宇宙船テストベッドにおけるgPC-SCP法の有効性を検証する。
関連論文リスト
- A Simulation-Free Deep Learning Approach to Stochastic Optimal Control [12.699529713351287]
最適制御(SOC)における一般問題の解法のためのシミュレーションフリーアルゴリズムを提案する。
既存の手法とは異なり、我々の手法は随伴問題の解を必要としない。
論文 参考訳（メタデータ） (2024-10-07T16:16:53Z) - Deterministic Policy Gradient Primal-Dual Methods for Continuous-Space Constrained MDPs [82.34567890576423]
我々は,非漸近収束を伴う最適決定主義政策を求めるための決定主義的政策勾配原始双対法を開発した。
D-PGPDの一次-双対反復は、最適正則化原始-双対にサブ線形速度で収束することが証明された。
我々の知る限り、これは連続空間制約型MDPに対する決定論的ポリシー探索法を提案する最初の研究であると思われる。
論文 参考訳（メタデータ） (2024-08-19T14:11:04Z) - Dual Formulation for Chance Constrained Stochastic Shortest Path with
Application to Autonomous Vehicle Behavior Planning [3.655021726150368]
制約最短経路問題(Constrained Shortest Path problem, C-SSP)は、特定の種類の運用制約下での環境における計画の定式化である。
この研究の最初の貢献は、Chance-Constrained Policyの正確な整数線型定式化である。
第三に、CC-SSP形式は、複数の時間ステップにまたがる制約を考慮するために一般化可能であることを示す。
論文 参考訳（メタデータ） (2023-02-25T16:40:00Z) - Fully Stochastic Trust-Region Sequential Quadratic Programming for
Equality-Constrained Optimization Problems [62.83783246648714]
目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。
アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
論文 参考訳（メタデータ） (2022-11-29T05:52:17Z) - Learning Stochastic Parametric Differentiable Predictive Control
Policies [2.042924346801313]
本稿では、ニューラルネットワークポリシーの教師なし学習のための、パラメトリック微分可能予測制御(SP-DPC)と呼ばれるスケーラブルな代替手法を提案する。
SP-DPCはパラメトリック制約最適制御問題に対する決定論的近似として定式化される。
閉ループ制約と確率満足度に関するSP-DPC法を用いて学習したポリシーに関する理論的確率的保証を提供する。
論文 参考訳（メタデータ） (2022-03-02T22:46:32Z) - Pointwise Feasibility of Gaussian Process-based Safety-Critical Control
under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。
本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-13T23:08:49Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z) - Chance-Constrained Trajectory Optimization for Safe Exploration and
Learning of Nonlinear Systems [81.7983463275447]
学習に基づく制御アルゴリズムは、訓練のための豊富な監督を伴うデータ収集を必要とする。
本稿では,機会制約付き最適制御と動的学習とフィードバック制御を統合した安全な探索による最適動作計画のための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-05-09T05:57:43Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z) - Stochastic Finite State Control of POMDPs with LTL Specifications [14.163899014007647]
部分的に観測可能なマルコフ決定プロセス(POMDP)は、不確実性の下での自律的な意思決定のためのモデリングフレームワークを提供する。
本稿では,POMDPに対する準最適有限状態制御器(sFSC)の合成に関する定量的問題について考察する。
本稿では,sFSC サイズが制御される有界ポリシアルゴリズムと,連続的な繰り返しにより制御器の性能が向上する任意の時間アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-21T18:10:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。