論文の概要: Long-Horizon Geometry-Aware Navigation among Polytopes via MILP-MPC and Minkowski-Based CBFs
- arxiv url: http://arxiv.org/abs/2604.00162v1
- Date: Tue, 31 Mar 2026 19:10:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-02 16:44:31.686097
- Title: Long-Horizon Geometry-Aware Navigation among Polytopes via MILP-MPC and Minkowski-Based CBFs
- Title（参考訳）: MILP-MPCとミンコフスキーに基づくCBFによるポリトープの長軸形状認識ナビゲーション
- Authors: Yi-Hsuan Chen, Salman Ghori, Ania Adil, Eric Feron, Calin Belta,
- Abstract要約: 提案フレームワークは,多目的障害物間を走行するロボットの長距離・幾何学的安全保証を橋渡しする。
提案アーキテクチャは,純粋に反応性のあるCBFナビゲーションのトポロジによる挙動を緩和する。
- 参考スコア（独自算出の注目度）: 6.0390093427687725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous navigation in complex, non-convex environments remains challenging when robot dynamics, control limits, and exact robot geometry must all be taken into account. In this paper, we propose a hierarchical planning and control framework that bridges long-horizon guidance and geometry-aware safety guarantees for a polytopic robot navigating among polytopic obstacles. At the high level, Mixed-Integer Linear Programming (MILP) is embedded within a Model Predictive Control (MPC) framework to generate a nominal trajectory around polytopic obstacles while modeling the robot as a point mass for computational tractability. At the low level, we employ a control barrier function (CBF) based on the exact signed distance in the Minkowski-difference space as a safety filter to explicitly enforce the geometric constraints of the robot shape, and further extend its formulation to a high-order CBF (HOCBF). We demonstrate the proposed framework in U-shaped and maze-like environments under single- and double-integrator dynamics. The results show that the proposed architecture mitigates the topology-induced local-minimum behavior of purely reactive CBF-based navigation while enabling safe, real-time, geometry-aware navigation.
- Abstract（参考訳）: 複雑な非凸環境における自律的なナビゲーションは、ロボットのダイナミクス、制御限界、そして正確なロボットの幾何学が考慮されなければならない場合、依然として困難である。
本稿では,多目的障害物間を走行する多目的ロボットの長距離誘導と幾何学的安全保証を橋渡しする階層型計画制御フレームワークを提案する。
高レベルでは、MILP(Mixed-Integer Linear Programming)がモデル予測制御(MPC)フレームワークに組み込まれ、計算的トラクタビリティのための点質量としてロボットをモデル化しながら、多目的障害物の周辺に名目上の軌道を生成する。
低レベルにおいては、ミンコフスキー-ディフレーション空間の正確な符号距離に基づいて制御バリア関数(CBF)を安全フィルタとして使用し、ロボット形状の幾何的制約を明示的に適用し、さらにその定式化を高次CBF(HOCBF)に拡張する。
本研究では,U字型および迷路型環境において,単一および二重積分子力学の下で提案する枠組みを実証する。
その結果,提案アーキテクチャは,安全かつリアルタイムな幾何学的ナビゲーションを実現するとともに,純粋に反応性のあるCBFベースのナビゲーションの局所最小挙動を緩和することを示した。
関連論文リスト
- CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field [23.48697826890044]
非構造環境における高次元マニピュレータ操作には、異なるシーンに依存しない距離問合せ機構が必要である。
CSSDF-Netは、連続署名された距離フィールドを構成空間内で直接学習し、共同空間距離と勾配クエリを提供する。
平面アームと7-DoFマニピュレータの実験は、静的および動的シーンにおける安定した勾配、効果的な衝突回避を示す。
論文 参考訳（メタデータ） (2026-03-19T09:31:41Z) - 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) - Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments [9.325443556436436]
浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動
本研究は,グローバルガイダンスと設定対応ローカル最適化を統合した階層的軌道計画フレームワークを導入する。
我々の知る限りでは、これは実際のロボットで実証された浮動小数点移動型マルチリンクロボットのための最初の計画フレームワークである。
論文 参考訳（メタデータ） (2026-02-25T22:49:54Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - Fast and Safe Trajectory Optimization for Mobile Manipulators With Neural Configuration Space Distance Field [34.07401865897874]
Generalized Space Fields (GCDF) は、ベースアーム結合を移動マニピュレータに拡張するために使用できる。
GCDFは、非有界空間における全体構成をエンコードする。
我々はGCDFに基づく推論を中心に,高性能な最適化解法を開発した。
論文 参考訳（メタデータ） (2026-01-26T14:55:26Z) - 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) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。