論文の概要: Safe Large-Scale Robust Nonlinear MPC in Milliseconds via Reachability-Constrained System Level Synthesis on the GPU

• arxiv url: http://arxiv.org/abs/2604.07644v1
• Date: Wed, 08 Apr 2026 23:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.591326
• Title: Safe Large-Scale Robust Nonlinear MPC in Milliseconds via Reachability-Constrained System Level Synthesis on the GPU
• Title（参考訳）: 到達可能性制約によるGPU上のシステムレベルの安全な大規模ロバスト非線形MPC
• Authors: Jeffrey Fang, Glen Chou,
• Abstract要約: 安全で堅牢な非線形モデル予測制御(MPC)のためのGPU並列化フレームワークであるGPU-SLSを提案する。 提案手法は,不等式制約付き,動的に実現可能な名目軌道,追従制御器,閉ループ到達可能セットを協調的に最適化する。 我々は、全身四重対(61D)とヒューマノイド(75D)を含む複雑な非線形系に対するアプローチを検証する。
• 参考スコア（独自算出の注目度）: 3.093890460224435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present GPU-SLS, a GPU-parallelized framework for safe, robust nonlinear model predictive control (MPC) that scales to high-dimensional uncertain robotic systems and long planning horizons. Our method jointly optimizes an inequality-constrained, dynamically-feasible nominal trajectory, a tracking controller, and a closed-loop reachable set under disturbance, all in real-time. To efficiently compute nominal trajectories, we develop a sequential quadratic programming procedure with a novel GPU-accelerated quadratic program (QP) solver that uses parallel associative scans and adaptive caching within an alternating direction method of multipliers (ADMM) framework. The same GPU QP backend is used to optimize robust tracking controllers and closed-loop reachable sets via system level synthesis (SLS), enabling reachability-constrained control in both fixed- and receding-horizon settings. We achieve substantial performance gains, reducing nominal trajectory solve times by 97.7% relative to state-of-the-art CPU solvers and 71.8% compared to GPU solvers, while accelerating SLS-based control and reachability by 237x. Despite large problem scales, our method achieves 100% empirical safety, unlike high-dimensional learning-based reachability baselines. We validate our approach on complex nonlinear systems, including whole-body quadrupeds (61D) and humanoids (75D), synthesizing robust control policies online on the GPU in 20 milliseconds on average and scaling to problems with 2 x 10^5 decision variables and 8 x 10^4 constraints. The implementation of our method is available at https://github.com/Jeff300fang/gpu_sls.
• Abstract（参考訳）: 安全で堅牢な非線形モデル予測制御(MPC)のためのGPU並列化フレームワークであるGPU-SLSについて述べる。 提案手法は,不等式制約付き,動的に実現可能な名目軌道,追従制御器,外乱下での閉ループ到達可能なセットを,すべてリアルタイムで共同で最適化する。 並列連想スキャンと適応キャッシングを用いた新しいGPU加速2次プログラム(QP)を乗算器(ADMM)フレームワークの交互方向法で実現するシーケンシャル2次計画法を開発した。 同じGPU QPバックエンドは、システムレベル合成(SLS)を通じてロバストなトラッキングコントローラとクローズドループリーチブルセットを最適化するために使用され、固定およびリリーディングホライゾン設定の両方でリーチビリティに制約のある制御を可能にする。 SLSベースの制御と到達性を237倍に向上させながら、最先端のCPUソルバと比較して名目的軌道解時間を97.7%削減し、GPUソルバに比べて71.8%の大幅な性能向上を実現した。 大規模な問題スケールにもかかわらず,本手法は高次元学習に基づく到達性ベースラインとは異なり,100%経験的安全性を実現する。 我々は,全体四元数 (61D) とヒューマノイド (75D) を含む複雑な非線形系に対するアプローチを検証するとともに,平均20ミリ秒でGPU上のロバスト制御ポリシを合成し,2 x 10^5 の判定変数と 8 x 10^4 の制約を持つ問題へのスケーリングを行う。 私たちのメソッドの実装はhttps://github.com/Jeff300fang/gpu_sls.comで公開されています。

関連論文リスト

• Parallel-in-Time Nonlinear Optimal Control via GPU-native Sequential Convex Programming [2.8852807790754618]
  本稿では,連続凸プログラミングと乗算器のコンセンサスに基づく交互方向法を組み合わせた,フルGPUネイティブなトラジェクトリ最適化フレームワークを提案する。 本研究は,有人エッジコンピューティングプラットフォームを用いて,四重項アジャイル飛行タスクと火星搭載降下問題の解法を検証した。 ベンチマークでは、高度に最適化された12コアのCPUベースラインよりも、持続的な4倍のスループットのスピードアップとエネルギー消費の51%削減が明らかにされている。
  論文  参考訳（メタデータ） (2026-03-11T12:39:14Z)
• 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)
• cuNRTO: GPU-Accelerated Nonlinear Robust Trajectory Optimization [18.671476756500464]
  軌道最適化により、自律システムは不確実性の下で安全に動作することができる。 これらの問題はしばしば計算コストのかかるSOCP(Second Order Conic Programming)の制約に繋がる。 本稿では,ロバストな意思決定に直接適用可能な動的最適化アーキテクチャを2つ提案する。
  論文  参考訳（メタデータ） (2026-03-03T06:17:08Z)
• Graph Neural Model Predictive Control for High-Dimensional Systems [16.33188337508456]
  本研究は,グラフニューラルネットワーク(GNN)に基づく動的モデルと構造探索型モデル予測制御を統合したフレームワークを提案する。 調整された凝縮アルゴリズムは、状態変数を制御問題から排除し、効率的な計算を確実にする。 提案手法は,100Hzのクローズドループで最大1000ノードのシステムにスケールし,ハードウェア上でのリアルタイム参照追跡を精度の低い精度で示す。
  論文  参考訳（メタデータ） (2026-02-19T18:26:42Z)
• Efficiently Training Deep-Learning Parametric Policies using Lagrangian Duality [55.06411438416805]
  制約付きマルコフ決定プロセス(CMDP)は、多くの高度な応用において重要である。 本稿では,パラメトリックアクターポリシーを効率的に訓練するための2段階深度決定規則(TS-DDR)を提案する。 現状の手法と比較して, 解の質を高め, 数桁の計算時間を削減できることが示されている。
  論文  参考訳（メタデータ） (2024-05-23T18:19:47Z)
• Constrained Optimization via Exact Augmented Lagrangian and Randomized Iterative Sketching [55.28394191394675]
  等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。 ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-28T06:33:37Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• COSMIC: fast closed-form identification from large-scale data for LTV systems [4.10464681051471]
  データから離散時間線形時変系を同定するための閉形式法を提案する。 我々は、最適性を保証するアルゴリズムを開発し、軌跡ごとに考慮されるインスタントの数を線形に増加させる複雑性を持つ。 本アルゴリズムは,彗星インターセプタミッション用の低忠実度および機能工学シミュレーションの両方に適用した。
  論文  参考訳（メタデータ） (2021-12-08T16:07:59Z)
• Finite-time System Identification and Adaptive Control in Autoregressive Exogenous Systems [79.67879934935661]
  未知のARXシステムのシステム識別と適応制御の問題について検討する。 我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
  論文  参考訳（メタデータ） (2021-08-26T18:00:00Z)

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。