論文の概要: Fault Tolerant Control of Mecanum Wheeled Mobile Robots
- arxiv url: http://arxiv.org/abs/2512.06444v1
- Date: Sat, 06 Dec 2025 14:14:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.168527
- Title: Fault Tolerant Control of Mecanum Wheeled Mobile Robots
- Title（参考訳）: 機械式移動ロボットの耐故障性制御
- Authors: Xuehui Ma, Shiliang Zhang, Zhiyong Sun,
- Abstract要約: Mecanum Wheeled Mobile Robot (MWMR) は、性能を低下させるアクチュエータ障害やミッション失敗に非常に敏感である。
MWMRの現在の耐故障制御スキームは、トルク劣化など部分的な故障を無視して、モーターストールのようなアクチュエーターの故障を目標としている。
そこで我々は,実時間故障パラメータの学習に後続確率を採用するFTC戦略を提案する。
- 参考スコア（独自算出の注目度）: 47.64303334083436
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Mecanum wheeled mobile robots (MWMRs) are highly susceptible to actuator faults that degrade performance and risk mission failure. Current fault tolerant control (FTC) schemes for MWMRs target complete actuator failures like motor stall, ignoring partial faults e.g., in torque degradation. We propose an FTC strategy handling both fault types, where we adopt posterior probability to learn real-time fault parameters. We derive the FTC law by aggregating probability-weighed control laws corresponding to predefined faults. This ensures the robustness and safety of MWMR control despite varying levels of fault occurrence. Simulation results demonstrate the effectiveness of our FTC under diverse scenarios.
- Abstract（参考訳）: Mecanum Wheeled Mobile Robot (MWMR) は、性能を低下させるアクチュエータ障害やミッション失敗に非常に敏感である。
MWMRの現在の耐故障制御(FTC)スキームは、トルク劣化において部分的な断層egを無視したモータストールのような完全なアクチュエーター故障を目標としている。
そこで我々は,実時間故障パラメータの学習に後続確率を採用するFTC戦略を提案する。
我々は、事前定義された欠陥に対応する確率指向制御法を集約することにより、FTC法を導出する。
これにより、様々なレベルの故障が発生したにもかかわらず、MWMR制御の堅牢性と安全性が保証される。
シミュレーションの結果は、さまざまなシナリオ下でのFTCの有効性を示します。
関連論文リスト
- Reinforcement Learning-based Fault-Tolerant Control for Quadrotor with Online Transformer Adaptation [0.13499500088995461]
マルチローターは様々な分野のロボティクス応用において重要な役割を果たしている。
従来のアプローチでは、マルチロータモデルの事前知識や、新しい構成への適応に苦労する必要がある。
我々はトランスフォーマーベースのオンライン適応モジュールと統合された新しいハイブリッドRLベースのFTCフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-13T04:50:29Z) - Transformer-Based Fault-Tolerant Control for Fixed-Wing UAVs Using Knowledge Distillation and In-Context Adaptation [3.1498833540989413]
本研究では, 固定翼無人航空機(UAV)の耐故障性制御のための変圧器を用いたアプローチを提案する。
提案手法は,変換器の学習機構と注意機構を用いて,外部ループ参照値を制御コマンドに直接マッピングする。
実験結果から, トランスフォーマーをベースとした制御器は, 業界標準SFSおよび最先端強化学習法(RL)よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-11-05T10:24:45Z) - A Model for Optimal Resilient Planning Subject to Fallible Actuators [28.11583381961291]
我々は,Markov Decision Processes (MDP) フレームワーク内での故障を受けやすいアクチュエータによる計画の問題を定式化する。
このモデルは、利用駆動型故障とアクチュエータ故障の状態依存確率をキャプチャする。
我々は、構成が密接に関連する問題を生じさせるという観察を生かして、再使用による計算を省く機会を見出した。
論文 参考訳（メタデータ） (2024-05-18T22:07:38Z) - A GOA-Based Fault-Tolerant Trajectory Tracking Control for an Underwater
Vehicle of Multi-Thruster System without Actuator Saturation [9.371458775465825]
本稿では,スラスタ損傷(パワーロス)を受けた水中車両(UV)の軌道追尾問題に対処するために,インテリジェントな耐故障制御(FTC)戦略を提案する。
提案した制御戦略では、速度変化を制御する改良されたバックステッピングアルゴリズムにより軌道追跡成分を形成し、スライディングモード制御によりトルク/フォース出力を減算する。
論文 参考訳（メタデータ） (2023-01-04T21:30:16Z) - Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。
まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。
次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
論文 参考訳（メタデータ） (2021-11-18T23:21:00Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z) - 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)
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。