論文の概要: Adaptive Sliding Mode Control for Vehicle Platoons with State-Dependent Friction Uncertainty
- arxiv url: http://arxiv.org/abs/2601.10724v2
- Date: Sun, 15 Mar 2026 17:07:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.799283
- Title: Adaptive Sliding Mode Control for Vehicle Platoons with State-Dependent Friction Uncertainty
- Title（参考訳）: 状態依存摩擦不確実性を有する自動車プラトンに対する適応スライディングモード制御
- Authors: Rishabh Dev Yadav,
- Abstract要約: 本論文では、車輪付き移動ロボットを用いた車両プラトンのための適応型スライディングモードコントローラを提案する。
摩擦力の未知の複雑な挙動を、そのパラメータや構造を事前に知ることなく扱える。
- 参考スコア（独自算出の注目度）: 0.5482532589225553
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-robot formation control has various applications in domains such as vehicle troops, platoons, payload transportation, and surveillance. Maintaining formation in a vehicle platoon requires designing a suitable control scheme that can tackle external disturbances and uncertain system parameters while maintaining a predefined safe distance between the robots. A crucial challenge in this context is dealing with the unknown/uncertain friction forces between wheels and the ground, which vary with changes in road surface, wear in tires, and speed of the vehicle. Although state-of-the-art adaptive controllers can handle a priori bounded uncertainties, they struggle with accurately modeling and identifying frictional forces, which are often state-dependent and cannot be a priori bounded. This thesis proposes a new adaptive sliding mode controller for wheeled mobile robot-based vehicle platoons that can handle the unknown and complex behavior of frictional forces without prior knowledge of their parameters and structures. The controller uses the adaptive sliding mode control techniques to regulate the platoon's speed and maintain a predefined inter-robot distance, even in the presence of external disturbances and uncertain system parameters. This approach involves a two-stage process: first, the kinematic controller calculates the desired velocities based on the desired trajectory; and second, the dynamics model generates the commands to achieve the desired motion. By separating the kinematics and dynamics of the robot, this approach can simplify the control problem and allow for more efficient and robust control of the wheeled mobile robot.
- Abstract（参考訳）: マルチロボット構成制御は、車両部隊、小隊、ペイロード輸送、監視など様々な分野に応用されている。
車両小隊の形成を維持するためには、ロボット間の予め定義された安全な距離を維持しながら、外乱や不確実なシステムパラメータに対処できる適切な制御スキームを設計する必要がある。
この文脈における重要な課題は、路面の変化、タイヤの摩耗、車両の速度によって異なる車輪と地面の間の未知の/不確実な摩擦力を扱うことである。
最先端の適応制御器は事前境界の不確実性を扱うことができるが、摩擦力の正確なモデル化と同定に苦慮している。
本論文は、車輪付き移動ロボットを用いた車両プラトンのための新しい適応型スライディングモード制御器を提案し、そのパラメータや構造を事前に知ることなく、摩擦力の未知かつ複雑な挙動を処理できる。
制御器は、適応的なスライディングモード制御技術を用いて小隊の速度を調節し、外乱や不確実なシステムパラメータが存在する場合でも、事前に定義されたロボット間距離を維持する。
このアプローチには2段階のプロセスがある: まず、キネマティックコントローラが所望の軌道に基づいて所望の速度を計算し、次に、ダイナミクスモデルが所望の動作を達成するためのコマンドを生成する。
ロボットの運動学と力学を分離することにより、制御問題を単純化し、車輪付き移動ロボットのより効率的で堅牢な制御を可能にする。
関連論文リスト
- Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。
Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
論文 参考訳（メタデータ） (2026-02-03T07:18:01Z) - Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。
コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
論文 参考訳（メタデータ） (2026-01-06T15:30:02Z) - Learning Terrain-Aware Kinodynamic Model for Autonomous Off-Road Rally
Driving With Model Predictive Path Integral Control [4.23755398158039]
本稿では,固有受容情報と外部受容情報の両方に基づいて,地形を考慮したキノダイナミクスモデルを学習する手法を提案する。
提案モデルでは、6自由度運動の信頼性予測が生成され、接触相互作用を推定することもできる。
シミュレーションされたオフロードトラック実験により提案手法の有効性を実証し,提案手法がベースラインより優れていることを示す。
論文 参考訳（メタデータ） (2023-05-01T06:09:49Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳（メタデータ） (2022-07-05T16:33:20Z) - VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait
Representation [78.92147339883137]
本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。
本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。
生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
論文 参考訳（メタデータ） (2022-05-02T19:49:53Z) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z) - High-speed Autonomous Drifting with Deep Reinforcement Learning [15.766089739894207]
明示的な運動方程式を伴わない頑健なドリフト制御器を提案する。
私たちのコントローラーは、車両をさまざまな鋭い角を素早く、安定して、目に見えない地図に流すことができる。
論文 参考訳（メタデータ） (2020-01-06T03:05:52Z)
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。