論文の概要: Data-Driven Motion Planning for Uncertain Nonlinear Systems

• arxiv url: http://arxiv.org/abs/2508.00154v1
• Date: Thu, 31 Jul 2025 20:41:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.66747
• Title: Data-Driven Motion Planning for Uncertain Nonlinear Systems
• Title（参考訳）: 不確かさ非線形システムのデータ駆動運動計画
• Authors: Babak Esmaeili, Hamidreza Modares, Stefano Di Cairano,
• Abstract要約: 本稿では非線形システムのためのデータ駆動型モーションプランニングフレームワークを提案する。 アルゴリズムは重なり合う不変ポリトープの列を構成する。 制御ゲインは、単純なxベースでリアルタイムで補間され、動きを通して不変ポリトープ内の状態を保っている。
• 参考スコア（独自算出の注目度）: 9.488752723308957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a data-driven motion-planning framework for nonlinear systems that constructs a sequence of overlapping invariant polytopes. Around each randomly sampled waypoint, the algorithm identifies a convex admissible region and solves data-driven linear-matrix-inequality problems to learn several ellipsoidal invariant sets together with their local state-feedback gains. The convex hull of these ellipsoids, still invariant under a piece-wise-affine controller obtained by interpolating the gains, is then approximated by a polytope. Safe transitions between nodes are ensured by verifying the intersection of consecutive convex-hull polytopes and introducing an intermediate node for a smooth transition. Control gains are interpolated in real time via simplex-based interpolation, keeping the state inside the invariant polytopes throughout the motion. Unlike traditional approaches that rely on system dynamics models, our method requires only data to compute safe regions and design state-feedback controllers. The approach is validated through simulations, demonstrating the effectiveness of the proposed method in achieving safe, dynamically feasible paths for complex nonlinear systems.
• Abstract（参考訳）: 本稿では、重なり合う不変ポリトープの列を構成する非線形システムのためのデータ駆動型モーションプランニングフレームワークを提案する。 ランダムにサンプリングされた各ウェイポイントの周囲で、このアルゴリズムは凸許容領域を特定し、データ駆動の線形行列不等式を解き、局所状態フィードバックゲインとともに複数の楕円不変集合を学習する。 これらの楕円体の凸殻は、ゲインを補間して得られるピースワイズファインコントローラの下でまだ不変であり、ポリトープによって近似される。 連続した凸ハルポリトップの交点を検証し、スムーズな遷移のための中間ノードを導入することにより、ノード間の安全な遷移を確保する。 制御利得は、単純なxベースの補間によってリアルタイムで補間され、運動を通して不変ポリトープ内の状態を保っている。 システムダイナミクスモデルに依存する従来のアプローチとは異なり、安全領域の計算と状態フィードバックコントローラの設計にはデータのみを必要とする。 提案手法の有効性をシミュレーションにより検証し, 複雑な非線形システムに対して, 安全かつ動的に実現可能な経路を実現する方法の有効性を実証した。

関連論文リスト

• Enforcing Latent Euclidean Geometry in Single-Cell VAEs for Manifold Interpolation [79.27003481818413]
  離散的様相変分オートエンコーダの潜在多様体をユークリッド幾何学へ正規化する訓練フレームワークであるFlatVIを紹介する。 遅延空間の直線を復号化された単セル多様体上の測地線に近似させることで、FlatVIは下流アプローチとの整合性を高める。
  論文  参考訳（メタデータ） (2025-07-15T23:08:14Z)
• Efficient Interpretable Nonlinear Modeling for Multiple Time Series [5.448070998907116]
  本稿では,複数時系列に対する効率的な非線形モデリング手法を提案する。 異なる時系列変数間の非線形相互作用を含む。 実験結果から,提案アルゴリズムは相似的にVAR係数の支持値の同定を改善することが示された。
  論文  参考訳（メタデータ） (2023-09-29T11:42:59Z)
• Variational Nonlinear Kalman Filtering with Unknown Process Noise Covariance [24.23243651301339]
  本稿では,近似ベイズ推定原理に基づく非線形状態推定とモデルパラメータの同定手法を提案する。 シミュレーションおよび実世界のデータを用いて,レーダ目標追尾法の性能を検証した。
  論文  参考訳（メタデータ） (2023-05-06T03:34:39Z)
• Stochastic Nonlinear Control via Finite-dimensional Spectral Dynamic Embedding [21.38845517949153]
  本稿では,非線形系の最適制御のためのスペクトルダイナミクス埋め込み制御(SDEC)を提案する。 これはシステムの非線形力学によって誘導される無限次元の特徴表現を明らかにし、状態-作用値関数の線形表現を可能にする。
  論文  参考訳（メタデータ） (2023-04-08T04:23:46Z)
• Learned Lifted Linearization Applied to Unstable Dynamic Systems Enabled by Koopman Direct Encoding [11.650381752104296]
  DMDや他のデータ駆動手法は不安定なシステムに適用した場合、クープマンモデルを構築する上で根本的な困難に直面していることが知られている。 ここでは, 非線形状態方程式に関する知識を, 有効観測値の集合を見つけるための学習手法に組み込むことで, 問題を解く。 提案手法は既存のDMDおよびデータ駆動方式よりも劇的に改善されている。
  論文  参考訳（メタデータ） (2022-10-24T20:55:46Z)
• A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
  本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。 一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T23:31:25Z)
• Model-Based Reinforcement Learning via Stochastic Hybrid Models [39.83837705993256]
  本稿では非線形モデリングと制御のハイブリッドシステムビューを採用する。 本稿では,データの時間的構造を捉えるシーケンスモデリングパラダイムについて考察する。 これらの時系列モデルは,ローカルフィードバックコントローラの抽出に使用するクローズドループ拡張を自然に認めていることを示す。
  論文  参考訳（メタデータ） (2021-11-11T14:05:46Z)
• Deep Learning Approximation of Diffeomorphisms via Linear-Control Systems [91.3755431537592]
  我々は、制御に線形に依存する$dot x = sum_i=1lF_i(x)u_i$という形の制御系を考える。 対応するフローを用いて、コンパクトな点のアンサンブル上の微分同相写像の作用を近似する。
  論文  参考訳（メタデータ） (2021-10-24T08:57:46Z)
• A Latent Restoring Force Approach to Nonlinear System Identification [0.0]
  この研究は、システムの未知の非線形項の寄与を抽出し同定するためのベイズフィルタに基づくアプローチを提案する。 この手法は、シミュレートされたケーススタディと実験的なベンチマークデータセットの両方で有効であることが示されている。
  論文  参考訳（メタデータ） (2021-09-22T12:21:16Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
  状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。 そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。 本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
  論文  参考訳（メタデータ） (2020-06-18T04:54:11Z)

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。