論文の概要: A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System

• arxiv url: http://arxiv.org/abs/2601.18971v1
• Date: Mon, 26 Jan 2026 21:11:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:43:35.414697
• Title: A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System
• Title（参考訳）: 水中車両マニピュレータシステムによる安全な衝突処理のための切替非線形モデル予測制御法
• Authors: Ioannis G. Polyzos, Konstantinos J. Kyriakopoulos,
• Abstract要約: 本稿では,水中車両マニピュレータシステム(UVMS)の衝突処理のためのスイッチング予測モデル制御(NMPC)戦略を提案する。 衝突を避けることは不可能であり、制御アルゴリズムはマニピュレータを利用して障害物を押して衝突から逸脱する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For active intervention tasks in underwater environments, the use of autonomous vehicles is just now emerging as an active area of research. During operation, for various reasons, the robot might find itself on a collision course with an obstacle in its environment. In this paper, a switching Nonlinear Model Predictive Control (NMPC) strategy is proposed to safely handle collisions for an Underwater Vehicle-Manipulator System (UVMS). When avoiding the collision is impossible, the control algorithm takes advantage of the manipulator, using it to push against the obstacle, and deflect away from the collision. Virtual experiments are performed to demonstrate the algorithm's capability to successfully detect collisions and either avoid them, or use the manipulator to handle them appropriately without damaging sensitive areas of the vehicle.
• Abstract（参考訳）: 水中環境におけるアクティブな介入作業のために、現在、自動運転車の使用が研究の活発な領域として浮上している。 手術中、さまざまな理由で、ロボットは環境に障害物のある衝突コースにいるかもしれない。 本稿では,水中車両マニピュレータシステム(UVMS)の衝突を安全に処理するための非線形モデル予測制御(NMPC)戦略を提案する。 衝突を避けることは不可能であり、制御アルゴリズムはマニピュレータを利用して障害物を押して衝突から逸脱する。 仮想実験は、衝突を検知し回避するアルゴリズムの能力を実証するために行われ、また、マニピュレータを使って車両の敏感な部分を傷つけることなく適切に処理する。

関連論文リスト

• A Collision-Free Sway Damping Model Predictive Controller for Safe and Reactive Forestry Crane Navigation [0.6645141773581494]
  森林クレーンにおける衝突のないスウェイ減衰モデル予測制御器(MPC)について述べる。 提案手法は,オンラインユークリッド距離場(EDF)を用いて,LiDARに基づく環境マッピングを直接MPCに統合する。 制御器は、ペイロードスウェイを減衰させながら衝突制約を同時に実施し、(i)準静環境変化を再現し、(ii)外乱下での衝突のない動作を維持し、(iii)バイパスが存在しない場合に安全に停止する。
  論文  参考訳（メタデータ） (2026-02-10T17:58:25Z)
• Robust Anomaly Detection through Multi-Modal Autoencoder Fusion for Small Vehicle Damage Detection [4.932130498861987]
  特にレンタカーやカーシェアリングサービスにおいて、車両および共有車両システムにおける摩耗と剥離の検出は重要な課題である。 現在、手動検査法がデフォルトの手法であるが、労働集約的であり、ヒューマンエラーの傾向にある。 本研究では,これらの問題に対処するために,異常検出に基づく新しいマルチモーダルアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2025-09-01T18:54:28Z)
• Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
  本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。 提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。 これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
  論文  参考訳（メタデータ） (2025-04-30T13:47:25Z)
• 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)
• 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)
• 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)
• Driving-Policy Adaptive Safeguard for Autonomous Vehicles Using Reinforcement Learning [19.71676985220504]
  本稿では,衝突回避戦略とアクティベーション機能を含むDPAS設計を提案する。 運転政策適応型アクティベーション機能は、緊急脅威が検出された場合に、現在の運転方針リスクを動的に評価し、起動する必要がある。 実験の結果は自然発生運転データにより校正され, より多くの介入を伴わずに, 衝突速度を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-12-02T08:01:53Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。