論文の概要: Accelerated Spline-Based Time-Optimal Motion Planning with Continuous Safety Guarantees for Non-Differentially Flat Systems

• arxiv url: http://arxiv.org/abs/2603.24133v1
• Date: Wed, 25 Mar 2026 09:53:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.235873
• Title: Accelerated Spline-Based Time-Optimal Motion Planning with Continuous Safety Guarantees for Non-Differentially Flat Systems
• Title（参考訳）: 非微分フラットシステムのための連続安全保証を用いたスプライン型時間最適運動計画法
• Authors: Dries Dirckx, Jan Swevers, Wilm Decré,
• Abstract要約: 単一制御問題(OCP)としてのスプラインに基づく動き計画の定式化 分離を線形システムや二次プログラムで解ける独立した分類問題として扱うことにより、提案手法は超平面パラメータをOCP変数から除去する。 実験による検証により、この分離されたアプローチは、完全にリッチな環境に比べて軌道速度を60%近く減少させることが示された。
• 参考スコア（独自算出の注目度）: 6.862015448582809
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating time-optimal, collision-free trajectories for autonomous mobile robots involves a fundamental trade-off between guaranteeing safety and managing computational complexity. State-of-the-art approaches formulate spline-based motion planning as a single Optimal Control Problem (OCP) but often suffer from high computational cost because they include separating hyperplane parameters as decision variables to enforce continuous collision avoidance. This paper presents a novel method that alleviates this bottleneck by decoupling the determination of separating hyperplanes from the OCP. By treating the separation theorem as an independent classification problem solvable via a linear system or quadratic program, the proposed method eliminates hyperplane parameters from the optimisation variables, effectively transforming non-convex constraints into linear ones. Experimental validation demonstrates that this decoupled approach reduces trajectory computation times up to almost 60% compared to fully coupled methods in obstacle-rich environments, while maintaining rigorous continuous safety guarantees.
• Abstract（参考訳）: 自律移動ロボットのための時間最適で衝突のない軌道を生成するには、安全性の保証と計算複雑性の管理の基本的なトレードオフが伴う。 State-of-the-art approach formulate spline-based motion planning as a single Optimal Control Problem (OCP) しかし、しばしば計算コストがかかる。 本稿では,OCPから超平面を分離する決定を分離することで,このボトルネックを緩和する手法を提案する。 分離定理を線形システムや二次プログラムで解ける独立な分類問題として扱うことにより、超平面パラメータを最適化変数から排除し、非凸制約を線形変数に効果的に変換する。 実験的な検証により、この分離されたアプローチは、厳密な連続安全性を維持しながら、障害物の多い環境で完全に結合した手法と比較して軌道計算時間を60%近く削減することを示した。

関連論文リスト

• Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes [3.8436274588467696]
  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。
  論文  参考訳（メタデータ） (2026-03-06T05:10:44Z)
• Adaptive-Horizon Conflict-Based Search for Closed-Loop Multi-Agent Path Finding [10.628717510399046]
  MAPFは、倉庫や物流の自動化において、大規模なロボット群の中核的な調整問題である。 既存のアプローチは、固定軌道を生成するオープンループプランナか、信頼性の高い性能保証のないクローズループである。 本稿では,CBSの有限水平変速器をベースとした閉ループであるACCBSについて述べる。
  論文  参考訳（メタデータ） (2026-02-12T14:55:16Z)
• A Fast Semidefinite Convex Relaxation for Optimal Control Problems With Spatio-Temporal Constraints [22.24436694865408]
  自律エージェントの最適制御問題(OC)の解決は、自動運転車から自動運転車まで、幅広いアプリケーションにおいて不可欠である。 ほとんどのOCPは、イベントタイミングと軌道とのカップリングのため、非ポイントである。 本稿では,水平線を時間制約付きセグメントに分割する時間スケーリング直接多重撮影方式を提案する。
  論文  参考訳（メタデータ） (2026-01-06T14:38:19Z)
• A Convex Obstacle Avoidance Formulation [1.7904458681854372]
  この研究は、論理を統合することで実現された最初の一般凸障害物回避を示す。 定式化の鍵となる性質は、水平線の外側が短い場合でも障害物回避が有効であることである。
  論文  参考訳（メタデータ） (2025-12-15T19:16:47Z)
• 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)
• CaRT: Certified Safety and Robust Tracking in Learning-based Motion Planning for Multi-Agent Systems [7.77024796789203]
  CaRTは、学習ベースのモーションプランニングポリシーの安全性と堅牢性を保証するために、新しい階層的な分散アーキテクチャである。 定性障害や有界障害があっても,CaRTは軌道追跡誤差の安全性と指数関数性を保証する。 本稿では, 非線形動作計画と制御問題のいくつかの例において, CaRTの有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-13T21:51:29Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• 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)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。