論文の概要: Safe Consensus of Cooperative Manipulation with Hierarchical Event-Triggered Control Barrier Functions
- arxiv url: http://arxiv.org/abs/2603.06356v1
- Date: Fri, 06 Mar 2026 15:09:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.995058
- Title: Safe Consensus of Cooperative Manipulation with Hierarchical Event-Triggered Control Barrier Functions
- Title（参考訳）: 階層型イベントトリガー制御バリア機能を用いた協調操作の安全コンセンサス
- Authors: Simiao Zhuang, Bingkun Huang, Zewen Yang,
- Abstract要約: 本稿では、階層型イベントトリガー制御バリア機能(CBF)を介して、安全保証とのコンセンサス調整を実現する分散制御フレームワークを提案する。
その結果、厳密な安全制約下での高精度な協調が示され、ベースライン法に比べて計算コストと通信周波数が大幅に削減された。
- 参考スコア（独自算出の注目度）: 3.288997322330816
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cooperative transport and manipulation of heavy or bulky payloads by multiple manipulators requires coordinated formation tracking, while simultaneously enforcing strict safety constraints in varying environments with limited communication and real-time computation budgets. This paper presents a distributed control framework that achieves consensus coordination with safety guarantees via hierarchical event-triggered control barrier functions (CBFs). We first develop a consensus-based protocol that relies solely on local neighbor information to enforce both translational and rotational consistency in task space. Building on this coordination layer, we propose a three-level hierarchical event-triggered safety architecture with CBFs, which is integrated with a risk-aware leader selection and smooth switching strategy to reduce online computation. The proposed approach is validated through real-world hardware experiments using two Franka manipulators operating with static obstacles, as well as comprehensive simulations demonstrating scalable multi-arm cooperation with dynamic obstacles. Results demonstrate higher precision cooperation under strict safety constraints, achieving substantially reduced computational cost and communication frequency compared to baseline methods.
- Abstract（参考訳）: 複数のマニピュレータによる重荷または重荷の協調輸送と操作には、協調的な構成追跡が必要であり、同時に通信やリアルタイムの計算予算に制限のある様々な環境における厳密な安全制約を課す。
本稿では,階層型イベントトリガー制御バリア機能(CBF)を用いて,安全保証とのコンセンサス調整を実現する分散制御フレームワークを提案する。
まず,タスク空間における翻訳的・回転的整合性を実現するために,近隣情報のみに依存するコンセンサスベースのプロトコルを開発する。
この調整層上に構築したCBFを用いた3階層型イベントトリガー型安全アーキテクチャについて,リスク認識型リーダ選択とスムーズなスイッチング戦略を統合して,オンライン計算の削減を図る。
提案手法は,静的障害物で動作する2つのフランカマニピュレータを用いた実世界のハードウェア実験と,動的障害物とスケーラブルなマルチアーム協調を実証した包括的シミュレーションにより検証された。
その結果、厳密な安全制約下での高精度な協調が示され、ベースライン法に比べて計算コストと通信周波数が大幅に削減された。
関連論文リスト
- 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) - CTHA: Constrained Temporal Hierarchical Architecture for Stable Multi-Agent LLM Systems [0.0]
マルチスケールエージェントアーキテクチャは、異なる認知層を持つ時間階層を導入することで、ユビキタスなシングルループパラダイムを拡張した。
本稿では,協調的意思決定を確実にするための原則的調停機構を取り入れつつ,協調安定性を回復するための制約付き時間階層アーキテクチャ(CTHA)を提案する。
CTHAは大規模なタスク実行に有効であり、障害カスケードを47%削減し、サンプル効率を2.3倍改善した。
論文 参考訳（メタデータ） (2026-01-09T08:03:14Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - Deep Reinforcement Learning for Multi-Agent Coordination [8.250169938213558]
本稿では,仮想フェロモンを用いて局所的・社会的相互作用をモデル化するS-MADRL(Stigmergic Multi-Agent Deep Reinforcement Learning)フレームワークを提案する。
我々は,ロボットが非対称な作業負荷分布に自己組織化される,最大8つのエージェントの最も効果的な協調を実現していることを示す。
この創発的行動は、自然界で観察される戦略に類似しており、混雑した環境下での分散マルチエージェント協調のためのスケーラブルなソリューションを示している。
論文 参考訳（メタデータ） (2025-10-04T00:47:20Z) - COMBO-Grasp: Learning Constraint-Based Manipulation for Bimanual Occluded Grasping [56.907940167333656]
集積ロボットグルーピングは、表面衝突などの環境制約により、所望のグルーピングポーズが運動的に不可能な場所である。
従来のロボット操作アプローチは、人間が一般的に使用する非包括的または双対的戦略の複雑さに苦しむ。
本稿では,2つの協調ポリシーを活用する学習ベースアプローチであるCOMBO-Grasp(Constraint-based Manipulation for Bimanual Occluded Grasping)を紹介する。
論文 参考訳（メタデータ） (2025-02-12T01:31:01Z) - 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) - 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) - Safe Neural Control for Non-Affine Control Systems with Differentiable
Control Barrier Functions [58.19198103790931]
本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。
制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。
我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
論文 参考訳（メタデータ） (2023-09-06T05:35:48Z) - Spatial-Temporal-Aware Safe Multi-Agent Reinforcement Learning of
Connected Autonomous Vehicles in Challenging Scenarios [10.37986799561165]
通信技術はコネクテッド・自動運転車(CAV)間の協調を可能にする
CAVのための並列安全シールドを備えた制約付きマルチエージェント強化学習(MARL)フレームワークを提案する。
その結果,提案手法は難易度の高いシナリオにおいて,システムの安全性と効率を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2022-10-05T14:39:07Z) - Deep reinforcement learning of event-triggered communication and control
for multi-agent cooperative transport [9.891241465396098]
協調輸送のためのコミュニケーション・制御戦略の設計問題に対処する多エージェント強化学習手法を検討する。
我々のフレームワークはイベントトリガーアーキテクチャ、すなわち通信入力を演算するフィードバックコントローラと、入力を再更新する必要があるタイミングを決定するトリガー機構を利用する。
論文 参考訳（メタデータ） (2021-03-29T01:16:12Z)
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。