論文の概要: Sampling Strategy Design for Model Predictive Path Integral Control on Legged Robot Locomotion
- arxiv url: http://arxiv.org/abs/2601.01409v1
- Date: Sun, 04 Jan 2026 07:25:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.623626
- Title: Sampling Strategy Design for Model Predictive Path Integral Control on Legged Robot Locomotion
- Title（参考訳）: 脚移動ロボットのモデル予測経路積分制御のためのサンプリング戦略設計
- Authors: Chuyuan Tao, Fanxin Wang, Haolong Jiang, Jia He, Yiyang Chen, Qinglei Bu,
- Abstract要約: 本稿では,足歩行ロボットにおけるモデル予測経路積分(MPPI)フレームワークにおけるサンプリング戦略設計の役割を体系的に検討する。
四足歩行ロボットプラットフォーム上での広範囲なシミュレーションにより、異なるサンプリング戦略が制御の滑らかさ、タスク性能、堅牢性、サンプル効率にどのように影響するかを評価する。
- 参考スコア（独自算出の注目度）: 6.24797585266791
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Model Predictive Path Integral (MPPI) control has emerged as a powerful sampling-based optimal control method for complex, nonlinear, and high-dimensional systems. However, directly applying MPPI to legged robotic systems presents several challenges. This paper systematically investigates the role of sampling strategy design within the MPPI framework for legged robot locomotion. Based upon the idea of structured control parameterization, we explore and compare multiple sampling strategies within the framework, including both unstructured and spline-based approaches. Through extensive simulations on a quadruped robot platform, we evaluate how different sampling strategies affect control smoothness, task performance, robustness, and sample efficiency. The results provide new insights into the practical implications of sampling design for deploying MPPI on complex legged systems.
- Abstract（参考訳）: モデル予測経路積分(MPPI)制御は,複雑・非線形・高次元システムのための強力なサンプリングベース最適制御法として登場した。
しかし、脚付きロボットシステムにMPPIを直接適用することはいくつかの課題を呈している。
本稿では,足歩行ロボットにおけるMPPIフレームワークにおけるサンプリング戦略設計の役割を体系的に検討する。
構造的制御パラメータ化の考え方に基づき、非構造的およびスプライン的アプローチを含む、フレームワーク内の複数のサンプリング戦略を探索・比較する。
四足歩行ロボットプラットフォーム上での広範囲なシミュレーションにより、異なるサンプリング戦略が制御の滑らかさ、タスク性能、堅牢性、サンプル効率にどのように影響するかを評価する。
以上の結果から, 複雑な脚系にMPPIを配置するためのサンプリング設計の実践的意義について, 新たな知見が得られた。
関連論文リスト
- Accelerating Sampling-Based Control via Learned Linear Koopman Dynamics [4.946483489399818]
本稿では、複雑な非線形力学を持つシステムに対する効率的なモデル予測経路積分(MPPI)制御フレームワークを提案する。
軌道伝播に使用される非線形ダイナミクスを学習された線形深度クープマン作用素(DKO)モデルに置き換え、より高速なロールアウトとより効率的な軌道サンプリングを可能にする。
コントローラはMPPI-DKと呼ばれ、四足歩行ロボットの基準追跡実験を通じてハードウェア上で検証される。
論文 参考訳（メタデータ） (2026-03-05T17:15:52Z) - Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。
i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T06:26:02Z) - Model Tensor Planning [22.164641953175845]
我々は,高エントロピー制御トラジェクトリ生成を導入した新しいサンプリングベースMPCフレームワークであるEmphModel Planning (MTP)を提案する。
ランダム化された多部グラフをサンプリングすることにより、MPPはスムーズでグローバルに多様な制御候補を保証する。
我々の実装はJAXで完全にベクトル化され、 MuJoCo XLAと互換性があり、リアルタイム制御のためのemphJust-in-time(JIT)コンパイルとバッチロールアウトをサポートしています。
論文 参考訳（メタデータ） (2025-05-02T07:09:38Z) - Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。
モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
論文 参考訳（メタデータ） (2023-06-12T13:10:14Z) - Policy Search for Model Predictive Control with Application to Agile
Drone Flight [56.24908013905407]
MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。
具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。
シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
論文 参考訳（メタデータ） (2021-12-07T17:39:24Z) - Pontryagin Differentiable Programming: An End-to-End Learning and
Control Framework [108.4560749465701]
ポントリャーギン微分プログラミングの方法論は、幅広い種類の学習と制御タスクを解決するための統一されたフレームワークを確立する。
本研究では, PDP の逆強化学習, システム識別, 制御・計画の3つの学習モードについて検討する。
マルチリンクロボットアーム,6-DoFオペレーティングクオーロレータ,6-DoFロケット搭載着陸など,多次元システムにおける学習モード毎のPDPの能力を示す。
論文 参考訳（メタデータ） (2019-12-30T15:35:43Z)
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。