論文の概要: QP-Based Control of an Underactuated Aerial Manipulator under Constraints

• arxiv url: http://arxiv.org/abs/2601.08523v1
• Date: Tue, 13 Jan 2026 13:05:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.769615
• Title: QP-Based Control of an Underactuated Aerial Manipulator under Constraints
• Title（参考訳）: 拘束下における非作動型空中マニピュレータのQP制御
• Abstract要約: 本稿では,未作動航空機マニピュレータの制約対応制御フレームワークを提案する。 安全と実現可能性の制約を明確に考慮しながら、正確なエンドエフェクタ軌道追跡を可能にする。
• 参考スコア（独自算出の注目度）: 1.5984927623688912
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a constraint-aware control framework for underactuated aerial manipulators, enabling accurate end-effector trajectory tracking while explicitly accounting for safety and feasibility constraints. The control problem is formulated as a quadratic program that computes dynamically consistent generalized accelerations subject to underactuation, actuator bounds, and system constraints. To enhance robustness against disturbances, modeling uncertainties, and steady-state errors, a passivity-based integral action is incorporated at the torque level without compromising feasibility. The effectiveness of the proposed approach is demonstrated through high-fidelity physics-based simulations, which include parameter perturbations, viscous joint friction, and realistic sensing and state-estimation effects. This demonstrates accurate tracking, smooth control inputs, and reliable constraint satisfaction under realistic operating conditions.
• Abstract（参考訳）: 本稿では, 安全・実用性制約を明示的に考慮しつつ, 高精度なエンドエフェクタ軌道追跡を可能にする, 未作動航空機マニピュレータの制約対応制御フレームワークを提案する。 制御問題は、不動、アクチュエータ境界、システムの制約を受ける動的に一貫した一般化された加速度を計算する二次プログラムとして定式化される。 乱れに対する堅牢性を高め、不確かさをモデル化し、定常的な誤差を生じさせるため、パスティビティに基づく積分動作をトルクレベルに組み込むことにより、実現可能性を向上させる。 提案手法の有効性は, パラメータ摂動, 粘性関節摩擦, リアルセンシングおよび状態推定効果を含む高忠実度物理シミュレーションにより実証された。 これは、現実的な操作条件下での正確なトラッキング、スムーズな制御入力、信頼性の高い制約満足度を示す。

関連論文リスト

• Residual Deep Reinforcement Learning-Based Computed Torque Control for a Cable-Driven Lower-Limb Rehabilitation Robot under Disturbances and Parametric Uncertainties [0.0]
  本研究は, 残留深部強化学習型計算トルク制御フレームワークを提案する。 これは、名目上、不確実性、乱れ、組み合わせ、一般化条件下でのシミュレーションで評価される。 解釈可能なモデルベースコマンド構造を維持しながら、計算トルク制御に対する追従及び外乱拒否を改善する。
  論文  参考訳（メタデータ） (2026-08-27T07:29:50Z)
• Admissibility-Preserving Control for Strict-Feedback Nonlinear Systems with Asymmetric Actuator Constraints [1.4477778415264126]
  Admissibility-Preserving Control (APC)は、厳格なフィードバックシステムのための、実現中心の安全クリティカルな制御フレームワークである。 APIRは、所定の非対称アクチュエータを前方不変にレンダリングしながら、物理プラント入力を動的に生成する。 このフレームワークは、スムーズな非対称対数障壁座標を介して、時間的に変化する出力セーフなトラッキングに拡張される。
  論文  参考訳（メタデータ） (2026-08-15T19:09:47Z)
• Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles [0.0]
  本稿では,車両の動的安全境界制御のための応答認識型リスク制約制御バリア関数に基づく統合制御フレームワークを提案する。 このフレームワークは、制御勾配の基準方向を提供するために、名目力学と直接車体応答を融合する。 また、従来の決定論的安全制約をバリア関数誘導体のテールリスクに関する確率論的制約に再構成する。
  論文  参考訳（メタデータ） (2026-03-13T02:38:17Z)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• Fixed-time control with prescribed performance for path following of underwater gliders [1.3149034455953847]
  本稿では,水中グライダーの3次元経路に対する所定時間性能制御方式を提案する。 主な貢献は、有限時間性能関数を固定時間制御フレームワークに統合することである。 2つ目の重要な貢献は、固定時間スライディングモード外乱オブザーバの開発である。
  論文  参考訳（メタデータ） (2025-12-23T20:11:25Z)
• Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
  入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。 逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。 その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
  論文  参考訳（メタデータ） (2024-10-05T18:45:19Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• 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)
• Constrained Reinforcement Learning using Distributional Representation for Trustworthy Quadrotor UAV Tracking Control [2.325021848829375]
  本研究では, 未知の空力効果に対する分散強化学習障害推定器を統合した新しいトラジェクトリトラッカーを提案する。 提案手法は, 空気力学効果の真値と推定値の不確かさを正確に同定する。 本システムは,最近の技術と比較して,累積追尾誤差を少なくとも70%改善することを示した。
  論文  参考訳（メタデータ） (2023-02-22T23:15:56Z)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)
• 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)
• Reinforcement Learning for Safety-Critical Control under Model Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
  強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。 RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
  論文  参考訳（メタデータ） (2020-04-16T10:51:33Z)

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。