論文の概要: Iterative Tuning of Nonlinear Model Predictive Control for Robotic Manufacturing Tasks

• arxiv url: http://arxiv.org/abs/2512.13170v1
• Date: Mon, 15 Dec 2025 10:30:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.622342
• Title: Iterative Tuning of Nonlinear Model Predictive Control for Robotic Manufacturing Tasks
• Title（参考訳）: ロボット製造作業における非線形モデル予測制御の反復的チューニング
• Authors: Deepak Ingole, Valentin Bhend, Shiva Ganesh Murali, Oliver Dobrich, Alisa Rupenayan,
• Abstract要約: 本稿では,モデル予測制御(NMPC)重み付け行列の自動チューニングのための反復学習フレームワークを提案する。 ノルム最適反復学習制御(ILC)にインスパイアされた提案手法は,タスクを繰り返してNMPC QとRを適応的に調整する。 その結果,提案手法は準最適追従性能に収束することが示された。
• 参考スコア（独自算出の注目度）: 0.44040106718326594
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Manufacturing processes are often perturbed by drifts in the environment and wear in the system, requiring control re-tuning even in the presence of repetitive operations. This paper presents an iterative learning framework for automatic tuning of Nonlinear Model Predictive Control (NMPC) weighting matrices based on task-level performance feedback. Inspired by norm-optimal Iterative Learning Control (ILC), the proposed method adaptively adjusts NMPC weights Q and R across task repetitions to minimize key performance indicators (KPIs) related to tracking accuracy, control effort, and saturation. Unlike gradient-based approaches that require differentiating through the NMPC solver, we construct an empirical sensitivity matrix, enabling structured weight updates without analytic derivatives. The framework is validated through simulation on a UR10e robot performing carbon fiber winding on a tetrahedral core. Results demonstrate that the proposed approach converges to near-optimal tracking performance (RMSE within 0.3% of offline Bayesian Optimization (BO)) in just 4 online repetitions, compared to 100 offline evaluations required by BO algorithm. The method offers a practical solution for adaptive NMPC tuning in repetitive robotic tasks, combining the precision of carefully optimized controllers with the flexibility of online adaptation.
• Abstract（参考訳）: 製造プロセスは、しばしば環境のドリフトによって邪魔され、システム内で着用される。 本稿では,タスクレベルの性能フィードバックに基づく非線形モデル予測制御(NMPC)重み付け行列の自動チューニングのための反復学習フレームワークを提案する。 標準最適反復学習制御(ILC)にインスパイアされた提案手法は,タスク繰り返しにおけるNMPC重みQ,Rを適応的に調整し,トラッキング精度,制御労力,飽和度に関連するキーパフォーマンス指標(KPI)を最小化する。 NMPCソルバによる微分を必要とする勾配に基づくアプローチとは異なり、我々は分析微分なしで構造的重量更新を可能にする経験的感度行列を構築する。 この枠組みは、四面体コア上で炭素繊維巻線を行うUR10eロボットのシミュレーションにより検証される。 その結果、提案手法は、BOアルゴリズムが要求する100のオフライン評価と比較して、わずか4回のオンライン反復で、ほぼ最適追跡性能(RMSEはオフラインベイズ最適化(BO)の0.3%以内)に収束することを示した。 本手法は,反復型ロボット作業における適応型NMPCチューニングのための実用的ソリューションであり,注意深く最適化されたコントローラの精度とオンライン適応の柔軟性を組み合わせたものである。

関連論文リスト

• Sample-Efficient Reinforcement Learning of Koopman eNMPC [42.72938925647165]
  強化学習は、データ駆動(経済)非線形モデル予測コントローラ((e)NMPC)を、特定の制御タスクにおける最適な性能に調整するために使用することができる。 モデルに基づくRLアルゴリズムと、Koopman (e)NMPCを自動微分可能なポリシーに変換する方法を組み合わせる。
  論文  参考訳（メタデータ） (2025-03-24T15:35:16Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• A Reinforcement Learning-based Economic Model Predictive Control Framework for Autonomous Operation of Chemical Reactors [0.5735035463793008]
  本研究では,非線形系のオンラインモデルパラメータ推定のためのEMPCとRLを統合するための新しいフレームワークを提案する。 最先端のRLアルゴリズムとEMPCスキームを最小限の修正で使用できます。
  論文  参考訳（メタデータ） (2021-05-06T13:34:30Z)
• 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)

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。