論文の概要: SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System
- arxiv url: http://arxiv.org/abs/2603.08860v1
- Date: Mon, 09 Mar 2026 19:20:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.124897
- Title: SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System
- Title（参考訳）: SEP-NMPC:UAV Slung Payload Systemにおける受動性に基づく非線形モデル予測制御の安全性向上
- Authors: Seyedreza Rezaei, Junjie Kang, Amaldev Haridevan, Jinjun Shan,
- Abstract要約: 本稿では, バラバラな環境下でペイロードを輸送する四重極子に対して, 安定性と安全性を保証した安全促進型MPC (SEP-NMPC) を提案する。
安定化は、適応減衰を持つ形状のエネルギー貯蔵関数から導かれる厳密な通過率の不等式を埋め込むことによって実施される。
安全は、ユーザ定義クリアランスセットを前方不変にレンダリングする高次制御バリア関数(HOCBF)によって保証され、静的および動的障害と相互作用しながら分離を維持するために、クオータと揺動ペイロードの両方を義務付けている。
- 参考スコア（独自算出の注目度）: 3.5382023072762188
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Model Predictive Control (MPC) is widely adopted for agile multirotor vehicles, yet achieving both stability and obstacle-free flight is particularly challenging when a payload is suspended beneath the airframe. This paper introduces a Safety Enhanced Passivity-Based Nonlinear MPC (SEP-NMPC) that provides formal guarantees of stability and safety for a quadrotor transporting a slung payload through cluttered environments. Stability is enforced by embedding a strict passivity inequality, which is derived from a shaped energy storage function with adaptive damping, directly into the NMPC. This formulation dissipates excess energy and ensures asymptotic convergence despite payload swings. Safety is guaranteed through high-order control barrier functions (HOCBFs) that render user-defined clearance sets forward-invariant, obliging both the quadrotor and the swinging payload to maintain separation while interacting with static and dynamic obstacles. The optimization remains quadratic-program compatible and is solved online at each sampling time without gain scheduling or heuristic switching. Extensive simulations and real-world experiments confirm stable payload transport, collision-free trajectories, and real-time feasibility across all tested scenarios. The SEP-NMPC framework therefore unifies passivity-based closed-loop stability with HOCBF-based safety guarantees for UAV slung-payload transportation.
- Abstract（参考訳）: モデル予測制御(MPC)は、アジャイルなマルチロータ車に広く採用されているが、安定性と障害物のない飛行の両方を達成することは、ペイロードが機体の下に吊り下げられている場合、特に困難である。
本稿では,スラングペイロードを乱雑な環境に輸送する4乗子に対して,安定性と安全性の保証を正式に提供する安全促進型非線形MPC(SEP-NMPC)を提案する。
NMPCに直接、適応減衰を持つ形状のエネルギー貯蔵関数から導かれる厳密な通過率の不等式を埋め込むことにより、安定性が強制される。
この定式化は余剰エネルギーを放出し、ペイロードの揺らぎにもかかわらず漸近収束を保証する。
安全は、ユーザ定義クリアランスセットを前方不変にレンダリングする高次制御バリア関数(HOCBF)によって保証され、静的および動的障害と相互作用しながら分離を維持するために、クオータと揺動ペイロードの両方を義務付けている。
最適化は2次プログラム互換であり、スケジューリングやヒューリスティックスイッチングを行なわずに、各サンプリング時にオンラインに解決される。
大規模なシミュレーションと実世界の実験により、全てのテストシナリオにおける安定したペイロード輸送、衝突のない軌道、リアルタイム実現可能性が確認された。
したがって、SEP-NMPCフレームワークは、通過性に基づく閉ループ安定性をHOCBFに基づく安全保証と統合する。
関連論文リスト
- Safety-Guaranteed Imitation Learning from Nonlinear Model Predictive Control for Spacecraft Close Proximity Operations [39.146761527401424]
本稿では,宇宙船近接制御のための安全保証型,実行時効率の模倣学習フレームワークを提案する。
安全証明書にはCBF(Control Barrier Functions)、安定性にはCLF(Control Lyapunov Functions)を活用しています。
実行時分析では、市販のオフザシェルフプロセッサでリアルタイムに実現可能であることを示し、安全クリティカルな軌道上サービスのためのオンボードデプロイメントをサポートする。
論文 参考訳（メタデータ） (2026-03-19T13:47:18Z) - 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) - V-OCBF: Learning Safety Filters from Offline Data via Value-Guided Offline Control Barrier Functions [8.042484673796137]
V-OCBF(Value-Guided Offline Control Barrier Function)を導入する。
オフラインデモから完全にニューラルネットワークCBFを学習する。
基準法よりも安全性違反が著しく少ない。
論文 参考訳（メタデータ） (2025-12-11T17:14:37Z) - UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models [67.91151588917396]
大規模言語モデル(LLM)は、幅広いタスクで顕著な進歩を遂げているが、有害なコンテンツ生成やジェイルブレイク攻撃といった安全リスクに弱いままである。
安全に配慮したリサイクルによるLCMの安全性向上のための統合フレームワークであるUpSafe$circ$Cを提案する。
この結果から, 静的アライメントから動的, モジュール, 推論対応制御への移行という, LLMの安全性の新たな方向性が明らかになった。
論文 参考訳（メタデータ） (2025-10-02T16:43:33Z) - Soft Actor-Critic-based Control Barrier Adaptation for Robust Autonomous Navigation in Unknown Environments [4.788163807490197]
制御バリア関数(CBF)の制約パラメータを実行時に適用するためのソフトアクタ・クリティカル(SAC)ベースのポリシーを提案する。
我々は,本フレームワークがCBF制約を効果的に適用し,ロボットが安全性を損なうことなく最終目標に達することを実証した。
論文 参考訳（メタデータ） (2025-03-11T14:33:55Z) - 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) - 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) - 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) - Pointwise Feasibility of Gaussian Process-based Safety-Critical Control
under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。
本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-13T23:08:49Z) - Reinforcement Learning for Safety-Critical Control under Model
Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。
RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
論文 参考訳（メタデータ） (2020-04-16T10:51:33Z)
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。