論文の概要: Model Predictive Control for Cooperative Docking Between Autonomous Surface Vehicles with Disturbance Rejection
- arxiv url: http://arxiv.org/abs/2512.07316v1
- Date: Mon, 08 Dec 2025 09:00:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.201891
- Title: Model Predictive Control for Cooperative Docking Between Autonomous Surface Vehicles with Disturbance Rejection
- Title（参考訳）: 外乱を回避した自動表面車両間の協調ドッキングのモデル予測制御
- Authors: Gianpietro Battocletti, Dimitris Boskos, Bart De Schutter,
- Abstract要約: 複数のアンクルード・サーフェス・ビークル(USV)が同一エリアで運用される場合、共有作業を行うために相互にドッキングする必要がある可能性がある。
自律型USV間のドッキングの既存のアプローチは、通常、1つのUSVを静止目標とみなし、もう1つのUSVは必要なドッキングポーズに到達するよう要求される。
本稿では,USV-USVドッキングにおける協調的アプローチを提案する。
- 参考スコア（独自算出の注目度）: 9.67618824743514
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Uncrewed Surface Vehicles (USVs) are a popular and efficient type of marine craft that find application in a large number of water-based tasks. When multiple USVs operate in the same area, they may be required to dock to each other to perform a shared task. Existing approaches for the docking between autonomous USVs generally consider one USV as a stationary target, while the second one is tasked to reach the required docking pose. In this work, we propose a cooperative approach for USV-USV docking, where two USVs work together to dock at an agreed location. We use a centralized Model Predictive Control (MPC) approach to solve the control problem, obtaining feasible trajectories that also guarantee constraint satisfaction. Owing to its model-based nature, this approach allows the rejection of disturbances, inclusive of exogenous inputs, by anticipating their effect on the USVs through the MPC prediction model. This is particularly effective in case of almost-stationary disturbances such as water currents. In simulations, we demonstrate how the proposed approach allows for a faster and more efficient docking with respect to existing approaches.
- Abstract（参考訳）: Uncrewed Surface Vehicles (USV) は、多くの水上作業に応用できる、人気があり効率的な海洋工芸品である。
複数のUSVが同じ領域で運用する場合、共有タスクを実行するために相互にドッキングする必要があるかもしれない。
自律型USV間のドッキングの既存のアプローチは、通常、1つのUSVを静止目標とみなし、もう1つのUSVは必要なドッキングポーズに到達するよう要求される。
本研究では,USV-USVドッキングにおける協調的アプローチを提案する。
我々は、集中型モデル予測制御(MPC)アプローチを用いて制御問題の解決を行い、制約満足度も保証する実行可能な軌道を得る。
モデルに基づく性質から、このアプローチはMPC予測モデルを通じてUSVへの影響を予測することにより、外因性入力を含む外乱の拒絶を可能にする。
これは、水流のようなほぼ定常的な乱れの場合に特に有効である。
シミュレーションでは,提案手法が既存手法に対してより高速で効率的なドッキングを実現する方法を示す。
関連論文リスト
- OpenCOOD-Air: Prompting Heterogeneous Ground-Air Collaborative Perception with Spatial Conversion and Offset Prediction [18.981305003262282]
我々は,UAVをプラットフォームとして統合した新しいフレームワークであるOpenCOOD-Airを提案する。
地上領域の空隙とデータ空間との勾配干渉を緩和するため、我々はUAV重みを微調整するための移動学習戦略を採用した。
我々は、V2VからVehicle-to-UAVへの移行を検証するために、OPV2V-Airベンチマークを提案する。
論文 参考訳（メタデータ） (2026-03-14T12:20:19Z) - DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。
強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。
これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
論文 参考訳（メタデータ） (2025-12-08T17:29:52Z) - Opportunistic Collaborative Planning with Large Vision Model Guided Control and Joint Query-Service Optimization [74.92515821144484]
オープンなシナリオで自動運転車をナビゲートすることは、目に見えない物体を扱うのが難しいため、課題である。
既存のソリューションは、一般化に苦しむ小さなモデルか、リソース集約的な大きなモデルに依存している。
本稿では,効率的なローカルモデルと強力なクラウドモデルをシームレスに統合するオポチュニティ協調計画(OCP)を提案する。
論文 参考訳（メタデータ） (2025-04-25T04:07:21Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - CoPEM: Cooperative Perception Error Models for Autonomous Driving [20.60246432605745]
我々は、隠蔽対象の誤検知エラーとして現れる自律走行車(AV)の(車載)知覚に焦点を当てる。
本稿では,仮想テスト環境におけるV2Xソリューションの効果的な統合を実現するために,協調知覚誤りモデル(coPEM)の概念を導入する。
論文 参考訳（メタデータ） (2022-11-21T04:40:27Z) - Advanced Algorithms of Collision Free Navigation and Flocking for
Autonomous UAVs [0.0]
本報告は,マルチUAVシステムの自律走行及び運動調整のためのUAV制御の最先端化に寄与する。
本報告の前半は単UAVシステムを扱うもので, 未知・動的環境における3次元(3次元)衝突フリーナビゲーションの複雑な問題に対処する。
本報告では, マルチUAVシステムの安全ナビゲーションについて述べるとともに, フラッキングと3次元領域カバレッジのための多UAVシステムの分散動作調整手法を開発した。
論文 参考訳（メタデータ） (2021-10-30T03:51:40Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳（メタデータ） (2021-03-03T20:54:19Z) - Distributed Variable-Baseline Stereo SLAM from two UAVs [17.513645771137178]
本稿では,単眼カメラを1台,IMUを1台搭載した2台のUAVを用いて,視界の重なりと相対距離の測定を行った。
本稿では,glsuavエージェントを自律的に制御するために,分散協調推定方式を提案する。
我々は,高度160mまでの飛行におけるアプローチの有効性を実証し,最先端のVIO手法の能力を大きく超えている。
論文 参考訳（メタデータ） (2020-09-10T12:16:10Z)
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。