論文の概要: Multi-directional Safe Rectangle Corridor-Based MPC for Nonholonomic Robots Navigation in Cluttered Environment
- arxiv url: http://arxiv.org/abs/2512.13215v1
- Date: Mon, 15 Dec 2025 11:28:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.350987
- Title: Multi-directional Safe Rectangle Corridor-Based MPC for Nonholonomic Robots Navigation in Cluttered Environment
- Title（参考訳）: 非ホロノミックロボットナビゲーションのための多方向安全矩形補正型MPC
- Authors: Yinsong Qu, Yunxiang Li, Shanlin Zhong,
- Abstract要約: 本稿では,自律移動ロボット(AMR)のための改良型モデル予測制御(ISM)フレームワークを提案する。
このフレームワークは、2つの重要なイノベーションを通じて課題に対処する。
- 参考スコア（独自算出の注目度）: 5.860911259793735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous Mobile Robots (AMRs) have become indispensable in industrial applications due to their operational flexibility and efficiency. Navigation serves as a crucial technical foundation for accomplishing complex tasks. However, navigating AMRs in dense, cluttered, and semi-structured environments remains challenging, primarily due to nonholonomic vehicle dynamics, interactions with mixed static/dynamic obstacles, and the non-convex constrained nature of such operational spaces. To solve these problems, this paper proposes an Improved Sequential Model Predictive Control (ISMPC) navigation framework that systematically reformulates navigation tasks as sequential switched optimal control problems. The framework addresses the aforementioned challenges through two key innovations: 1) Implementation of a Multi-Directional Safety Rectangular Corridor (MDSRC) algorithm, which encodes the free space through rectangular convex regions to avoid collision with static obstacles, eliminating redundant computational burdens and accelerating solver convergence; 2) A sequential MPC navigation framework that integrates corridor constraints with barrier function constraints is proposed to achieve static and dynamic obstacle avoidance. The ISMPC navigation framework enables direct velocity generation for AMRs, simplifying traditional navigation algorithm architectures. Comparative experiments demonstrate the framework's superiority in free-space utilization ( an increase of 41.05$\%$ in the average corridor area) while maintaining real-time computational performance (average corridors generation latency of 3 ms).
- Abstract（参考訳）: 自律移動ロボット (Autonomous Mobile Robots, AMR) は、その運用の柔軟性と効率性から、産業アプリケーションに欠かせないものとなっている。
ナビゲーションは複雑なタスクを達成するための重要な技術基盤となっている。
しかし、非ホロノミックな車両力学、混合静的/動的障害物との相互作用、およびそのような操作空間の非凸制約の性質により、AMRの密度、粗い、半構造化環境での航行は依然として困難である。
そこで本研究では,逐次的に切り替わる最適制御問題としてナビゲーションタスクを体系的に再構築する,改良された逐次モデル予測制御(ISMPC)ナビゲーションフレームワークを提案する。
このフレームワークは、2つの重要なイノベーションを通じて、上記の課題に対処する。
1) 静的障害物との衝突を回避し, 余剰な計算負担を排除し, 解法収束を加速するために, 長方形凸領域を介して自由空間を符号化するMDSRCアルゴリズムの実装
2) 静的かつダイナミックな障害物回避を実現するために, 廊下制約とバリア関数制約を統合する連続的なMPCナビゲーションフレームワークを提案する。
ISMPCナビゲーションフレームワークは、AMRの直接速度生成を可能にし、従来のナビゲーションアルゴリズムアーキテクチャを簡素化する。
比較実験は、リアルタイム計算性能(平均回廊発生遅延3ms)を維持しながら、自由空間利用におけるフレームワークの優位性(平均回廊面積41.05$\%の増加)を実証した。
関連論文リスト
- ToMPC: Task-oriented Model Predictive Control via ADMM for Safe Robotic Manipulation [20.83011691536596]
このフレームワークは、衝突のない動きとロボット環境の相互作用を統一し、多様なシナリオに対処する。
また、運動の冗長性を活用して障害物環境の操作効率を高めるタスク指向の障害物回避も導入している。
その結果, フレームワークはリアルタイムに動きや力の軌跡を計画し, 障害物を避けながら操作範囲を最大化し, 安全に関する厳密な制約に固執できることがわかった。
論文 参考訳（メタデータ） (2026-03-14T13:35:24Z) - PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。
静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。
高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
論文 参考訳（メタデータ） (2026-01-19T07:57:52Z) - Proactive Local-Minima-Free Robot Navigation: Blending Motion Prediction with Safe Control [10.366282784389108]
Control Barrier Functions (CBF)のようなリアクティブな安全なコントローラは、障害の現在の状態のみに基づいて障害回避戦略を設計し、将来の衝突を危険にさらす。
我々はガウス過程を用いて、エネルギーベース学習で訓練されたニューラルネットワークによって生成された障害物のマルチモーダルな動き予測から、障壁関数をオンラインで学習する。
学習されたバリア関数は、CBFの局所最小化バージョンである変調CBFを使用してプログラムに入力され、安全かつ効率的なナビゲーションを実現する。
論文 参考訳（メタデータ） (2026-01-15T09:46:03Z) - Safe Sliding Mode Control for Marine Vessels Using High-Order Control Barrier Functions and Fast Projection [0.0]
本稿では,スライディングモード制御 (SMC) と高次制御バリア関数 (HOCBF) を統合した新しい安全制御フレームワークを提案する。
SMC-HOCBFフレームワークは、計算資源が限られている小型海洋ロボットや表面船では、実行速度と計算効率が重要であり、安全臨界制御の強力な候補となっている。
論文 参考訳（メタデータ） (2025-12-30T15:10:37Z) - STRIDER: Navigation via Instruction-Aligned Structural Decision Space Optimization [73.98141357780032]
VLN-CEタスクでは、エージェントはシーン固有のトレーニングなしで自然言語命令を使用して3D環境をナビゲートする必要がある。
既存の方法は、構造化された意思決定の欠如と、以前の行動からのフィードバックの不十分な統合のために、堅牢なナビゲーションを達成できないことが多い。
STRIDERは,空間配置先と動的タスクフィードバックを統合し,エージェントの決定空間を体系的に最適化する新しいフレームワークである。
提案手法では,1)空間構造を介して行動空間を制約する構造的ウェイポイントジェネレータ,2)タスクの進行に応じて行動を調整するタスク調整レギュレータ,そしてナビゲーション全体を通して意味的アライメントを確保する。
論文 参考訳（メタデータ） (2025-10-27T04:37:21Z) - Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。
離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。
本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文 参考訳（メタデータ） (2025-08-27T17:59:36Z) - ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。
Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。
モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
論文 参考訳（メタデータ） (2025-03-27T16:39:40Z) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳（メタデータ） (2025-01-16T16:45:08Z) - Custom Non-Linear Model Predictive Control for Obstacle Avoidance in Indoor and Outdoor Environments [0.0]
本稿では,DJI行列100のための非線形モデル予測制御(NMPC)フレームワークを提案する。
このフレームワークは様々なトラジェクトリタイプをサポートし、厳密な操作の精度を制御するためにペナルティベースのコスト関数を採用している。
論文 参考訳（メタデータ） (2024-10-03T17:50:19Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z) - Learned Risk Metric Maps for Kinodynamic Systems [54.49871675894546]
本研究では,高次元力学系のコヒーレントリスクメトリクスをリアルタイムに推定するための学習型リスクメトリクスマップを提案する。
LRMMモデルは設計と訓練が簡単で、障害セットの手続き的生成、状態と制御のサンプリング、および関数近似器の教師付きトレーニングのみを必要とする。
論文 参考訳（メタデータ） (2023-02-28T17:51:43Z)
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。