論文の概要: A Convex Obstacle Avoidance Formulation

• arxiv url: http://arxiv.org/abs/2512.13836v1
• Date: Mon, 15 Dec 2025 19:16:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.362357
• Title: A Convex Obstacle Avoidance Formulation
• Title（参考訳）: 凸障害物回避式
• Authors: Ricardo Tapia, Iman Soltani,
• Abstract要約: この研究は、論理を統合することで実現された最初の一般凸障害物回避を示す。 定式化の鍵となる性質は、水平線の外側が短い場合でも障害物回避が有効であることである。
• 参考スコア（独自算出の注目度）: 1.7904458681854372
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Autonomous driving requires reliable collision avoidance in dynamic environments. Nonlinear Model Predictive Controllers (NMPCs) are suitable for this task, but struggle in time-critical scenarios requiring high frequency. To meet this demand, optimization problems are often simplified via linearization, narrowing the horizon window, or reduced temporal nodes, each compromising accuracy or reliability. This work presents the first general convex obstacle avoidance formulation, enabled by a novel approach to integrating logic. This facilitates the incorporation of an obstacle avoidance formulation into convex MPC schemes, enabling a convex optimization framework with substantially improved computational efficiency relative to conventional nonconvex methods. A key property of the formulation is that obstacle avoidance remains effective even when obstacles lie outside the prediction horizon, allowing shorter horizons for real-time deployment. In scenarios where nonconvex formulations are unavoidable, the proposed method meets or exceeds the performance of representative nonconvex alternatives. The method is evaluated in autonomous vehicle applications, where system dynamics are highly nonlinear.
• Abstract（参考訳）: 自律走行には動的環境における信頼性の高い衝突回避が必要である。 非線形モデル予測制御器(NMPC)は、このタスクに適しているが、高周波を必要とする時間クリティカルなシナリオで苦労している。 この要求を満たすため、最適化問題は線形化、地平線窓の狭化、時間ノードの短縮によって単純化され、それぞれが精度や信頼性を損なう。 この研究は、論理を統合する新しいアプローチによって実現された、最初の一般凸障害物回避定式化を示す。 これにより、障害物回避定式化を凸MPCスキームに組み込むことが容易となり、従来の非凸法と比較して計算効率を大幅に改善した凸最適化フレームワークが実現される。 この定式化の重要な特徴は、予測地平線の外にある障害物であっても障害物回避が有効であり、リアルタイム展開のための短い地平線を可能にすることである。 非凸の定式化が避けられないシナリオでは、提案手法は代表的非凸の代替品の性能を満たすか超過する。 この手法は、システムダイナミクスが非常に非線形である自動運転車の応用において評価される。

関連論文リスト

• Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes [3.8436274588467696]
  多目的ロボットによる障害物回避は、最適化に基づく制御と軌道計画において難しい問題である。 既存の手法は、幾何学力学を歪ませる楕円体のような双対距離近似に頼っている。 本稿では,安全クリティカルナビゲーションプログラムのための新しい反復凸性有限水平最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-06T05:10:44Z)
• U-OBCA: Uncertainty-Aware Optimization-Based Collision Avoidance via Wasserstein Distributionally Robust Chance Constraints [20.749251189493563]
  移動障害物や環境障害の軌道予測誤差から生じる不確実性は、ロボットの安全なナビゲーションに重大な課題をもたらす。 既存の不確実性を意識したプランナーは、円や楕円のような単純な幾何学的プリミティブを用いて、多角形ロボットや障害物を近似することが多い。 我々は、最適化に基づく衝突回避フレームワークを、emphU-OBCAと呼ばれる不確実性を考慮した定式化に拡張する。 U-OBCAは軌道計画における保守性を著しく軽減し,既存のベースライン法と比較して航法効率を向上することを示す。
  論文  参考訳（メタデータ） (2026-03-05T07:59:09Z)
• A Fast Semidefinite Convex Relaxation for Optimal Control Problems With Spatio-Temporal Constraints [22.24436694865408]
  自律エージェントの最適制御問題(OC)の解決は、自動運転車から自動運転車まで、幅広いアプリケーションにおいて不可欠である。 ほとんどのOCPは、イベントタイミングと軌道とのカップリングのため、非ポイントである。 本稿では,水平線を時間制約付きセグメントに分割する時間スケーリング直接多重撮影方式を提案する。
  論文  参考訳（メタデータ） (2026-01-06T14:38:19Z)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• 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)
• One-Shot Safety Alignment for Large Language Models via Optimal Dualization [64.52223677468861]
  本稿では,制約付きアライメントを等価な非制約アライメント問題に還元する双対化の観点を提案する。 我々は、閉形式を持つ滑らかで凸な双対函数を事前に最適化する。 我々の戦略は、モデルベースと嗜好ベースの設定における2つの実用的なアルゴリズムに導かれる。
  論文  参考訳（メタデータ） (2024-05-29T22:12:52Z)
• DiffuSolve: Diffusion-based Solver for Non-convex Trajectory Optimization [9.28162057044835]
  最適軌道局所は非線形および高次元力学系において計算コストが高い。 本稿では,非次元オプティマ問題に対するDiffuに基づく一般モデルを提案する。 また,新たな制約付き拡散モデルであるDiff+を提案する。
  論文  参考訳（メタデータ） (2024-02-22T03:52:17Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)

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。