論文の概要: Receding-Horizon Nullspace Optimization for Actuation-Aware Control Allocation in Omnidirectional UAVs

• arxiv url: http://arxiv.org/abs/2603.06832v1
• Date: Fri, 06 Mar 2026 19:47:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.01149
• Title: Receding-Horizon Nullspace Optimization for Actuation-Aware Control Allocation in Omnidirectional UAVs
• Title（参考訳）: 全方向UAVにおけるアクティベーション・アウェア制御割当の逐次水平ヌル空間最適化
• Abstract要約: 完全に作動した全方位UAVは、6自由度すべてに沿って力とトルクを独立に制御できる。 従来の制御割当法は、搭載アクチュエータの非対称力学を無視する。 本研究は,非対称運動力学を明示的に取り入れたリテーディングホライズン,アクティベーション・アウェア・アロケーション戦略を提案する。
• 参考スコア（独自算出の注目度）: 2.573972255510259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fully actuated omnidirectional UAVs enable independent control of forces and torques along all six degrees of freedom, broadening the operational envelope for agile flight and aerial interaction tasks. However, conventional control allocation methods neglect the asymmetric dynamics of the onboard actuators, which can induce oscillatory motor commands and degrade trajectory tracking during dynamic maneuvers. This work proposes a receding-horizon, actuation-aware allocation strategy that explicitly incorporates asymmetric motor dynamics and exploits the redundancy of over-actuated platforms through nullspace optimization. By forward-simulating the closed-loop system over a prediction horizon, the method anticipates actuator-induced oscillations and suppresses them through smooth redistribution of motor commands, while preserving the desired body wrench exactly. The approach is formulated as a constrained optimal control problem solved online via Constrained iterative LQR. Simulation results on the OmniOcta platform demonstrate that the proposed method significantly reduces motor command oscillations compared to a conventional single-step quadratic programming allocator, yielding improved trajectory tracking in both position and orientation.
• Abstract（参考訳）: 完全に作動した全方向のUAVは、6自由度すべてに沿って力とトルクを独立に制御し、アジャイル飛行と空中対話タスクの運用エンベロープを広げる。 しかし、従来の制御割当法は、動力学的操作中に振動運動指令を誘導し軌道追跡を低下させることができるオンボードアクチュエータの非対称力学を無視する。 本研究は,非対称運動力学を明示的に取り入れ,ヌルスペース最適化により過度に運動するプラットフォームの冗長性を生かしたリテーディング・ホライズン,アクチュエーション・アウェア・アロケーション戦略を提案する。 予測地平線上で閉ループ系を前方にシミュレーションすることにより、アクチュエータ誘起振動を予測し、所望の体レンチを正確に保ちながら、モータ指令のスムーズな再分配により抑制する。 この手法は制約付き最適制御問題として定式化され、Constrained Iterative LQRを介してオンラインで解決される。 OmniOcta プラットフォーム上でのシミュレーション結果から,提案手法は従来の1ステップ2段プログラミングアロケータに比べて運動指令の発振を著しく低減し,軌道追従性の向上を図っている。

関連論文リスト

• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• AcroRL: Learning Aggressive Quadrotor Inversion using Bidirectional Thrust [1.7394635819080972]
  双方向推力は2番目の平衡条件を与え、制御権限を増大させる。 従来の幾何学的制御手法は、双方向スラストをサポートするためにホップフィブレーションに基づく姿勢表現を通じて微分平坦性を拡張する。 本研究では,一定の基準軌道を変調して,コンパクトで位置制約のある四元数逆変換を行う学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-23T00:02:22Z)
• Wind-Aware Optimal Trajectory Planning for Efficient Gliding of Fixed-Wing Aerial Systems [7.0414059106180025]
  グライディングは小型の固定翼UAVとサイレント操作を提供する。 従来のトータル・エナジー・コントロール・システム(Total Energy Control Systems)ベースのコントローラは、電位と運動エネルギーの交換を反応的に制御する。 小型UAVグライダーのための非線形多コスト軌道プランナを提案する。
  論文  参考訳（メタデータ） (2026-05-15T05:01:09Z)
• Lightweight Model Predictive Control for Spacecraft Rendezvous Attitude Synchronization [39.146761527401424]
  本研究は、2つの軽量モデル予測制御(MPC)アプローチを導入し、宇宙船のランデブー同期時の反応輪を用いた姿勢追跡を行う。 我々は単一ループとデュアルループMPCを開発し、後者は内部ループ内に安定化フィードバックコントローラを組み込み、線形時間不変システムを生成する。
  論文  参考訳（メタデータ） (2026-03-19T13:58:55Z)
• Optimal control of differentially flat underactuated planar robots in the perspective of oscillation mitigation [0.0]
  不安定なロボットはアクチュエータよりも多くの自由度によって特徴づけられる。 この構造特性は、軽量で費用対効果の高いロボットシステムの開発を可能にする。
  論文  参考訳（メタデータ） (2026-03-16T16:55:11Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• Path Tracking with Dynamic Control Point Blending for Autonomous Vehicles: An Experimental Study [40.36217526625217]
  本稿では,輪車に沿った動的制御点に横方向制御コマンドを適用する自律走行車のための経路追跡フレームワークを提案する。 提案手法は,前軸または後軸の固定基準を強制するのではなく,連続的に補間する。 閉ループ追尾および後方操作の結果、軌道精度の向上、スムーズな操舵プロファイル、固定制御点ベースラインよりも適応性の向上が見られた。
  論文  参考訳（メタデータ） (2026-02-02T10:03:37Z)
• A Learning-based Control Methodology for Transitioning VTOL UAVs [3.7488255458663384]
  現在の制御方式の高度と位置の分離制御は、大きな振動を引き起こす。 本稿では、強化学習(RL)駆動制御に基づく新しい結合遷移制御手法を提案する。 シミュレーションおよび実環境における本手法の適用可能性を検証する。
  論文  参考訳（メタデータ） (2025-12-03T08:13:50Z)
• Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
  固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。 従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。 本稿では,DRLに基づくUAV衝突回避システムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T03:03:37Z)
• 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)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)

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。