論文の概要: Safety-Critical Centralized Nonlinear MPC for Cooperative Payload Transportation by Two Quadrupedal Robots

• arxiv url: http://arxiv.org/abs/2604.03200v1
• Date: Fri, 03 Apr 2026 17:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.552015
• Title: Safety-Critical Centralized Nonlinear MPC for Cooperative Payload Transportation by Two Quadrupedal Robots
• Title（参考訳）: 四足歩行ロボットによる協調負荷輸送のための安全臨界集中型非線形MPC
• Authors: Ruturaj S. Sambhus, Yicheng Zeng, Kapi Ketan Mehta, Jeeseop Kim, Kaveh Akbari Hamed,
• Abstract要約: 相互接続型ロボットペイロードシステムは離散時間非線形微分代数系としてモデル化される。 我々は,ロボットとペイロードの衝突回避制約を強制する制御障壁関数(CBF)に基づくNMPC式を開発した。 提案手法は、決定変数として相互作用のレンチを保ち、構造化されたDAE制約の最適制御問題をもたらす。
• 参考スコア（独自算出の注目度）: 3.7624387468002483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a safety-critical centralized nonlinear model predictive control (NMPC) framework for cooperative payload transportation by two quadrupedal robots. The interconnected robot-payload system is modeled as a discrete-time nonlinear differential-algebraic system, capturing the coupled dynamics through holonomic constraints and interaction wrenches. To ensure safety in complex environments, we develop a control barrier function (CBF)-based NMPC formulation that enforces collision avoidance constraints for both the robots and the payload. The proposed approach retains the interaction wrenches as decision variables, resulting in a structured DAE-constrained optimal control problem that enables efficient real-time implementation. The effectiveness of the algorithm is validated through extensive hardware experiments on two Unitree Go2 platforms performing cooperative payload transportation in cluttered environments under mass and inertia uncertainty and external push disturbances.
• Abstract（参考訳）: 本稿では,2つの四足歩行ロボットによる協調ペイロード輸送のための安全臨界集中型非線形モデル予測制御(NMPC)フレームワークを提案する。 相互接続されたロボットペイロードシステムは離散時間非線形微分代数系としてモデル化され、ホロノミック制約と相互作用レンチによって結合されたダイナミクスをキャプチャする。 複雑な環境での安全性を確保するため,ロボットとペイロードの衝突回避制約を強制する制御バリア関数(CBF)ベースのNMPC式を開発した。 提案手法は、決定変数として相互作用のレンチを保ち、より効率的なリアルタイム実装を実現するための構造的DAE制約最適制御問題をもたらす。 このアルゴリズムの有効性は、2つのUnitree Go2プラットフォーム上で、質量および慣性不確実性および外部プッシュ障害下での混在環境における協調ペイロード輸送を行うための広範なハードウェア実験を通じて検証される。

関連論文リスト

• ADMM-Based Distributed MPC with Control Barrier Functions for Safe Multi-Robot Quadrupedal Locomotion [3.5507574265100854]
  本稿では,制御障壁関数(CBF)を制約とした完全分散モデル予測制御(MPC)フレームワークを提案する。 提案するフレームワークは,四足歩行ロボットのための階層型移動制御アーキテクチャに統合される。
  論文  参考訳（メタデータ） (2026-03-19T17:25:33Z)
• ToMPC: Task-oriented Model Predictive Control via ADMM for Safe Robotic Manipulation [20.83011691536596]
  このフレームワークは、衝突のない動きとロボット環境の相互作用を統一し、多様なシナリオに対処する。 また、運動の冗長性を活用して障害物環境の操作効率を高めるタスク指向の障害物回避も導入している。 その結果, フレームワークはリアルタイムに動きや力の軌跡を計画し, 障害物を避けながら操作範囲を最大化し, 安全に関する厳密な制約に固執できることがわかった。
  論文  参考訳（メタデータ） (2026-03-14T13:35:24Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• 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)
• Wireless Human-Machine Collaboration in Industry 5.0 [75.78721184383897]
  ワイヤレス・ヒューマン・マシン・コラボレーションは産業5.0にとって重要な進歩である。 安定性解析は、閉ループ系がモデルランダム性の下でどのように振る舞うかを証明している。 本稿では,マシンと人体制御のための2つの無線ループを組み込んだ基本WHMCモデルを確立する。
  論文  参考訳（メタデータ） (2024-10-18T03:44:10Z)
• 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)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Learning Local Control Barrier Functions for Hybrid Systems [29.777171131682486]
  安全はハイブリッドロボットシステムにとって主要な関心事である。 既存のハイブリッドシステムに対する安全クリティカルな制御アプローチは、計算的に非効率であり、システム性能に有害であるか、小規模システムに限定されている。 本研究では,局所制御バリア関数 (CBF) を構築するための学習可能なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-01-26T14:38:43Z)
• 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-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。