論文の概要: Passive iFIR filters for data-driven velocity control in robotics

• arxiv url: http://arxiv.org/abs/2603.29882v1
• Date: Tue, 31 Mar 2026 15:34:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.745048
• Title: Passive iFIR filters for data-driven velocity control in robotics
• Title（参考訳）: ロボット工学におけるデータ駆動速度制御のためのパッシブiFIRフィルタ
• Authors: Yi Zhang, Zixing Wang, Fulvio Forni,
• Abstract要約: 非線形ロボットマニピュレータの受動的・データ駆動速度制御法を提案する。 VRFTベースの設計では、データのわずか3分で受動iFIRコントローラが識別される。
• 参考スコア（独自算出の注目度）: 2.8431237407876258
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a passive, data-driven velocity control method for nonlinear robotic manipulators that achieves better tracking performance than optimized PID with comparable design complexity. Using only three minutes of probing data, a VRFT-based design identifies passive iFIR controllers that (i) preserve closed-loop stability via passivity constraints and (ii) outperform a VRFT-tuned PID baseline on the Franka Research 3 robot in both joint-space and Cartesian-space velocity control, achieving up to a 74.5% reduction in tracking error for the Cartesian velocity tracking experiment with the most demanding reference model. When the robot end-effector dynamics change, the controller can be re-learned from new data, regaining nominal performance. This study bridges learning-based control and stability-guaranteed design: passive iFIR learns from data while retaining passivity-based stability guarantees, unlike many learning-based approaches.
• Abstract（参考訳）: 非線形ロボットマニピュレータの受動的・データ駆動速度制御手法を提案する。 VRFTをベースとしたデザインでは、わずか3分間のデータから受動的iFIRコントローラを識別する。 一 通過性の制約により閉ループ安定性を維持すること。 (II)Franka Research 3ロボットとCartesian-spaceの両速度制御において、VRFTで調整したPIDベースラインを上回り、最も要求される基準モデルを用いて、Cartesianベロシティ追跡実験のトラッキングエラーを最大74.5%削減した。 ロボットのエンドエフェクタダイナミクスが変化すると、コントローラは新たなデータから再学習され、名目上の性能が回復する。 この研究は、学習に基づく制御と安定性保証設計を橋渡しする: 受動iFIRは、多くの学習に基づくアプローチとは異なり、受動性に基づく安定性保証を維持しながらデータから学習する。

関連論文リスト

• Meta-Adaptive Beam Search Planning for Transformer-Based Reinforcement Learning Control of UAVs with Overhead Manipulators under Flight Disturbances [8.618483849755604]
  オーバーヘッドマニピュレータを備えたドローンは、検査、メンテナンス、コンタクトベースのインタラクションにユニークな機能を提供する。 ドローンとそのマニピュレータの動作は強く結びついており、風や制御の欠陥による小さな姿勢の変化でさえ、エンドエフェクターを意図した経路から遠ざける。 変換器をベースとしたDouble Deep Q Learning (DDQN) を用いた強化学習フレームワークを開発した。 これにより、コントローラは実際のモデル上でこれらのアクションを直接実行するのではなく、シミュレーションされたロールアウトを通じてエンドエフェクタの動きを予測できる。
  論文  参考訳（メタデータ） (2026-03-27T17:08:40Z)
• Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
  この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。 提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。 堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
  論文  参考訳（メタデータ） (2026-03-16T07:44:28Z)
• Accelerating Sampling-Based Control via Learned Linear Koopman Dynamics [4.946483489399818]
  本稿では、複雑な非線形力学を持つシステムに対する効率的なモデル予測経路積分(MPPI)制御フレームワークを提案する。 軌道伝播に使用される非線形ダイナミクスを学習された線形深度クープマン作用素(DKO)モデルに置き換え、より高速なロールアウトとより効率的な軌道サンプリングを可能にする。 コントローラはMPPI-DKと呼ばれ、四足歩行ロボットの基準追跡実験を通じてハードウェア上で検証される。
  論文  参考訳（メタデータ） (2026-03-05T17:15:52Z)
• Large Language Model-Empowered Decision Transformer for UAV-Enabled Data Collection [71.84636717632206]
  空間分散デバイスからの信頼性とエネルギー効率のよいデータ収集のための無人航空機(UAV)は、IoT(Internet of Things)アプリケーションをサポートする上で大きな可能性を秘めている。 有効なUAV制御ポリシーを学習するための共同言語モデル(LLM)を提案する。 LLM-CRDTは、現在の最先端DTアプローチよりも最大36.7%高いエネルギー効率を達成し、オンラインおよびオフラインメソッドのベンチマークより優れている。
  論文  参考訳（メタデータ） (2025-09-17T13:05:08Z)
• Real-Time Model-Free Deep Reinforcement Learning for Force Control of a Series Elastic Actuator [56.11574814802912]
  最先端のロボットアプリケーションは、歩行、揚力、操作などの複雑なタスクを達成するために、閉ループ力制御を備えた連続弾性アクチュエータ(SEAs)を使用する。 モデルフリーPID制御法はSEAの非線形性により不安定になりやすい。 深層強化学習は連続制御タスクに有効なモデルレス手法であることが証明されている。
  論文  参考訳（メタデータ） (2023-04-11T00:51:47Z)
• Improving the Performance of Robust Control through Event-Triggered Learning [74.57758188038375]
  LQR問題における不確実性に直面していつ学習するかを決定するイベントトリガー学習アルゴリズムを提案する。 本研究では,ロバストな制御器ベースライン上での性能向上を数値例で示す。
  論文  参考訳（メタデータ） (2022-07-28T17:36:37Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• Data-Efficient Deep Reinforcement Learning for Attitude Control of Fixed-Wing UAVs: Field Experiments [0.37798600249187286]
  DRLは、元の非線形力学を直接操作する固定翼UAVの姿勢制御をうまく学べることを示す。 我々は,UAVで学習したコントローラを飛行試験で展開し,最先端のArduPlane比例積分微分(PID)姿勢制御と同等の性能を示す。
  論文  参考訳（メタデータ） (2021-11-07T19:07:46Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)

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。