論文の概要: Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes

• arxiv url: http://arxiv.org/abs/2603.05916v1
• Date: Fri, 06 Mar 2026 05:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.977938
• Title: Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes
• Title（参考訳）: ポリトープ間の障害物回避のための制御バリア関数を用いた反復凸最適化
• Authors: Shuo Liu, Zhe Huang, Calin A. Belta,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.8436274588467696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Obstacle avoidance of polytopic obstacles by polytopic robots is a challenging problem in optimization-based control and trajectory planning. Many existing methods rely on smooth geometric approximations, such as hyperspheres or ellipsoids, which allow differentiable distance expressions but distort the true geometry and restrict the feasible set. Other approaches integrate exact polytope distances into nonlinear model predictive control (MPC), resulting in nonconvex programs that limit real-time performance. In this paper, we construct linear discrete-time control barrier function (DCBF) constraints by deriving supporting hyperplanes from exact closest-point computations between convex polytopes. We then propose a novel iterative convex MPC-DCBF framework, where local linearization of system dynamics and robot geometry ensures convexity of the finite-horizon optimization at each iteration. The resulting formulation reduces computational complexity and enables fast online implementation for safety-critical control and trajectory planning of general nonlinear dynamics. The framework extends to multi-robot and three-dimensional environments. Numerical experiments demonstrate collision-free navigation in cluttered maze scenarios with millisecond-level solve times.
• Abstract（参考訳）: 多目的ロボットによる多目的障害物の障害物回避は、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。 既存の多くの手法は、超球面や楕円体のような滑らかな幾何学的近似に依存しており、微分可能な距離表現が可能であるが、真の幾何学を歪め、実現可能な集合を制限する。 他のアプローチでは、正確なポリトープ距離を非線形モデル予測制御(MPC)に統合することで、非凸プログラムがリアルタイムのパフォーマンスを制限する。 本稿では,凸多面体間の直近点計算から支持超平面を導出することにより,線形離散時間制御障壁関数(DCBF)の制約を構築する。 次に,システム力学とロボット幾何学の局所線形化により,各繰り返しにおける有限水平最適化の凸性を保証する,新しい反復凸MPC-DCBFフレームワークを提案する。 結果の定式化は計算複雑性を低減し、安全クリティカルな制御と一般的な非線形力学の軌道計画のための高速なオンライン実装を可能にする。 このフレームワークはマルチロボットと3次元環境に拡張されている。 数値解析実験により,ミリ秒レベルの解時間をもつ乱雑な迷路シナリオにおける無衝突航法が実証された。

関連論文リスト

• Parallel Diffusion Solver via Residual Dirichlet Policy Optimization [88.7827307535107]
  拡散モデル(DM)は、最先端の生成性能を達成したが、シーケンシャルなデノナイジング特性のため、高いサンプリング遅延に悩まされている。 既存のソルバベースの加速度法では、低次元の予算で画像品質が著しく低下することが多い。 本研究では,各ステップに複数の勾配並列評価を組み込んだ新しいODE解法であるEnsemble Parallel Directionsolvr(EPD-EPr)を提案する。
  論文  参考訳（メタデータ） (2025-12-28T05:48:55Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• Data-Driven Motion Planning for Uncertain Nonlinear Systems [9.488752723308957]
  本稿では非線形システムのためのデータ駆動型モーションプランニングフレームワークを提案する。 アルゴリズムは重なり合う不変ポリトープの列を構成する。 制御ゲインは、単純なxベースでリアルタイムで補間され、動きを通して不変ポリトープ内の状態を保っている。
  論文  参考訳（メタデータ） (2025-07-31T20:41:34Z)
• 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)
• Stochastic Nonlinear Control via Finite-dimensional Spectral Dynamic Embedding [20.43835169613882]
  本稿では,非線形系の最適制御のためのスペクトルダイナミクス埋め込み制御(SDEC)を提案する。 これはシステムの非線形力学によって誘導される無限次元の特徴表現を明らかにし、状態-作用値関数の線形表現を可能にする。 実用的な実装では、この表現は有限次元のトランケーションを用いて近似される。
  論文  参考訳（メタデータ） (2023-04-08T04:23:46Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• Robust Constrained Multi-objective Evolutionary Algorithm based on Polynomial Chaos Expansion for Trajectory Optimization [0.0]
  提案手法は,頑健な定式化をPCEを介して決定論的問題に書き換える。 ケーススタディとして,風の不確実性を考慮した超音速輸送(SST)の着陸軌道設計を最適化した。
  論文  参考訳（メタデータ） (2022-05-23T15:33:05Z)
• Non-linear Independent Dual System (NIDS) for Discretization-independent Surrogate Modeling over Complex Geometries [0.0]
  非線形独立双対系(Non-linear independent dual system、NIDS)は、PDEソリューションの離散化独立で連続的な表現のための深層学習サロゲートモデルである。 NIDSは複雑な可変ジオメトリとメッシュトポロジを持つドメインの予測に使用できる。 テストケースには、複雑な幾何学とデータ不足を伴う車両の問題が含まれており、訓練方法によって実現されている。
  論文  参考訳（メタデータ） (2021-09-14T23:38:41Z)
• 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)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)

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。