論文の概要: Dynamic Control Allocation for Dual-Tilt UAV Platforms
- arxiv url: http://arxiv.org/abs/2604.05677v1
- Date: Tue, 07 Apr 2026 10:27:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.76521
- Title: Dynamic Control Allocation for Dual-Tilt UAV Platforms
- Title（参考訳）: デュアルティルトUAVプラットフォームのための動的制御配置
- Authors: Marcello Sorge, Federico Ciresola, Giulia Michieletto, Angelo Cenedese,
- Abstract要約: 本稿では,ヘキサロタUAVプラットフォームにおける動的制御アロケーションに着目した。
プラットフォームは二重タイルであり、飛行中に2軸に沿って各プロペラを独立に傾けることができる。
本稿では、トラッキングタスクに必要なレンチを生成する高レベルコントローラと、アクチュエータがそのようなレンチを生成することを保証する制御割り当て法とからなる階層型制御構造を提案する。
- 参考スコア（独自算出の注目度）: 0.6999740786886536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper focuses on dynamic control allocation for a hexarotor UAV platform, considering a trajectory tracking task as as case study. It is assumed that the platform is dual-tilting, meaning that it is able to tilt each propeller independently during flight, along two orthogonal axis. We present a hierarchical control structure composed of a high-level controller generating the required wrench for the tracking task, and a control allocation law ensuring that the actuators produce such wrench. The allocator imposes desired first-order dynamics on the actuators set, and exploits system redundancy to optimize the actuators state with respect to a given objective function. Unlike other studies on the subject, we explicitly model actuator saturation and provide theoretical insights on its effect on control performances. We also investigate the role of propeller tilt angles, by imposing asymmetric shapes in the objective function. Numerical simulations are presented to validate the allocation strategy.
- Abstract（参考訳）: 本稿では, 軌跡追跡タスクを事例として, ヘキサロタUAVプラットフォームにおける動的制御割当に着目した。
プラットフォームは二重タイルであり、飛行中に2つの直交軸に沿って各プロペラを独立に傾けることができる。
本稿では、トラッキングタスクに必要なレンチを生成する高レベルコントローラと、アクチュエータがそのようなレンチを生成することを保証する制御割り当て法とからなる階層型制御構造を提案する。
アロケータは、アクチュエータセットに所望の1次ダイナミクスを課し、システムの冗長性を利用して、所定の目的関数に対してアクチュエータ状態の最適化を行う。
本研究の他の研究とは異なり、アクチュエータ飽和度を明示的にモデル化し、制御性能への影響に関する理論的知見を提供する。
また, 対象関数に非対称形状を付与することにより, プロペラ傾斜角の役割についても検討した。
割り当て戦略を検証するため,数値シミュレーションを行った。
関連論文リスト
- How to Model Your Crazyflie Brushless [50.54424040768484]
2025年初め、クラジフリー・ブラシレスが登場し、ブラシレスモーターで推力は約50%向上した。
この研究はクレイジーフリー・ブラシレスの力学モデルを示し、その重要なパラメータを同定する。
ニューラルネットワーク位置制御器を訓練し、バックフリップ制御器を学習することにより、強化学習アプリケーションに適していることを示す。
論文 参考訳（メタデータ） (2026-03-06T06:21:39Z) - Control of a Twin Rotor using Twin Delayed Deep Deterministic Policy Gradient (TD3) [0.0]
本稿では,Twin Rotor Aerodynamic System (TRAS) の安定化のための強化学習フレームワークを提案する。
TRASの複雑な力学と非線形特性は、従来の制御アルゴリズムによる制御を困難にしている。
実世界の応用における制御器の有効性を確認するため,実験室で実験を行った。
論文 参考訳（メタデータ） (2025-12-15T14:10:04Z) - SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。
計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。
本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
論文 参考訳（メタデータ） (2025-06-15T05:04:17Z) - Modelling, Positioning, and Deep Reinforcement Learning Path Tracking
Control of Scaled Robotic Vehicles: Design and Experimental Validation [3.807917169053206]
スケールされたロボットカーは通常、車両の状態の推定と制御に特化したタスクを含む階層的な制御機構を備えている。
本稿では, (i) フェデレートされた拡張カルマンフィルタ (FEKF) と (ii) エキスパートデモレータを用いて訓練された新しい深部強化学習 (DRL) パストラッキングコントローラを提案する。
実験により検証されたモデルは、(i)FEKFの設計を支援するために使用され、(ii)DRLに基づく経路追跡アルゴリズムをトレーニングするためのデジタルツインとして機能する。
論文 参考訳（メタデータ） (2024-01-10T14:40:53Z) - A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential [71.53284767149685]
自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。
本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
論文 参考訳（メタデータ） (2023-12-22T16:29:55Z) - Actuator Trajectory Planning for UAVs with Overhead Manipulator using
Reinforcement Learning [0.3222802562733786]
制御可能なアームを備えたUAVを2自由度で開発し、飛行中に作動作業を行う。
我々のソリューションは、腕の先端の軌跡を制御するためのQ-learning法(End-effector)を用いています。
提案手法は,15,000エピソードのQ-ラーニングを用いて,平均変位誤差の92%の精度を実現する。
論文 参考訳（メタデータ） (2023-08-24T15:06:23Z) - Optimal State Manipulation for a Two-Qubit System Driven by Coherent and
Incoherent Controls [77.34726150561087]
2量子ビット量子系の最適制御には状態準備が重要である。
物理的に異なる2つのコヒーレント制御を利用し、ヒルベルト・シュミット目標密度行列を最適化する。
論文 参考訳（メタデータ） (2023-04-03T10:22:35Z) - Designing a Robust Low-Level Agnostic Controller for a Quadrotor with
Actor-Critic Reinforcement Learning [0.38073142980732994]
ソフトアクター・クリティカルに基づく低レベルウェイポイント誘導制御器の訓練段階におけるドメインランダム化を提案する。
トレーニング中の四元数力学に一定の不確実性を導入することにより、より大規模な四元数パラメータを用いて提案課題を実行することができる制御器が得られることを示す。
論文 参考訳（メタデータ） (2022-10-06T14:58:19Z) - Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。
本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文 参考訳（メタデータ） (2022-04-28T07:37:21Z) - Towards Agrobots: Trajectory Control of an Autonomous Tractor Using
Type-2 Fuzzy Logic Controllers [12.015055060690742]
本研究では,トラクタの縦方向速度を制御するために比例積分導出制御器を用いる。
yaw角ダイナミクスの制御には、比例導出制御器がタイプ2ファジィニューラルネットワークと並行して動作する。
測定したフィードバックエラーからインタラクションをオンラインで学習する制御アルゴリズムを開発した。
論文 参考訳（メタデータ） (2021-04-09T00:46:23Z)
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。