論文の概要: Impact-Aware Model Predictive Control for UAV Landing on a Heaving Platform
- arxiv url: http://arxiv.org/abs/2604.21078v1
- Date: Wed, 22 Apr 2026 20:41:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.173338
- Title: Impact-Aware Model Predictive Control for UAV Landing on a Heaving Platform
- Title（参考訳）: 暖房プラットフォーム上でのUAVランディングの衝撃応答モデル予測制御
- Authors: Jess Stephenson, Melissa Greeff,
- Abstract要約: 相対的な垂直運動は大きな衝撃力を発生させ、海洋プラットフォームへのタッチダウンにリバウンドを引き起こす。
我々は、ニュートンの再生法則によって規制される速度レベルの剛体衝撃として着陸をモデル化する、影響を意識したモデル予測制御フレームワークを開発する。
シミュレーションでは、再配置を意識した予測は、衝突前の相対速度を減少させ、着陸時のロバスト性を改善する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Landing UAVs on heaving marine platforms is challenging because relative vertical motion can generate large impact forces and cause rebound on touchdown. To address this, we develop an impact-aware Model Predictive Control (MPC) framework that models landing as a velocity-level rigid-body impact governed by Newton's restitution law. We embed this as a linear complementarity problem (LCP) within the MPC dynamics to predict the discontinuous post-impact velocity and suppress rebound. In simulation, restitution-aware prediction reduces pre-impact relative velocity and improves landing robustness. Experiments on a heaving-deck testbed show an 86.2% reduction in post-impact deflection compared to a tracking MPC.
- Abstract（参考訳）: 海洋プラットフォームにUAVを着陸させることは、相対的な垂直運動が大きな衝撃力を発生させ、タッチダウンでリバウンドを引き起こすため、困難である。
これを解決するために、ニュートンの再生法則によって規制される速度レベルの剛体衝撃として着陸をモデル化する、インパクト対応モデル予測制御(MPC)フレームワークを開発した。
我々はこれをMPC力学内に線形相補性問題(LCP)として組み込み、不連続なポストインパクト速度を予測し、リバウンドを抑制する。
シミュレーションでは、再配置を意識した予測は、衝突前の相対速度を減少させ、着陸時のロバスト性を改善する。
ヒービングデッキ試験床での試験では、追跡MPCと比較して86.2%の反りが抑制された。
関連論文リスト
- Dual Quaternion Based Contact Modeling for Fast and Smooth Collision Recovery of Quadrotors [11.70412524968217]
この手紙は、SE(3)多様体上の剛体衝突を直接解決する双対四元数リセット写像を提示する。
ハイブリッドリカバリコントローラは、直線運動量と角運動量とを結合して、衝撃に対する厳密なエネルギー散逸を保証するように設計されている。
高忠実なMuJoCoシミュレーションは、複雑な接触ダイナミクスに対するコントローラの応答を検証する。
論文 参考訳（メタデータ） (2026-03-16T01:10:04Z) - CtrlAttack: A Unified Attack on World-Model Control in Diffusion Models [92.04182855442254]
我々は、I2Vモデルの脆弱性を分析し、時間的制御機構が新たな攻撃面を構成することを発見し、それらを一様にモデル化することの難しさを明らかにする。
我々はCtrlAttackと呼ばれるトラジェクトリ制御攻撃を提案し、生成過程における状態の進化を妨害する。
実験結果から,低次元および高規則化摂動制約下であっても,時間的一貫性を著しく損なう可能性が示唆された。
論文 参考訳（メタデータ） (2026-03-13T08:05:50Z) - Dynamic Modeling and Attitude Control of a Reaction-Wheel-Based Low-Gravity Bipedal Hopper [0.0]
ホッピング・ロコモーションは エネルギー効率が高いが 飛行中の姿勢不安定になりやすい
本稿では,内輪を用いた不動二足歩行ロボットによる姿勢制御について述べる。
提案手法は,月の重力条件下でのMuJoCoシミュレーションで評価される。
論文 参考訳（メタデータ） (2026-03-11T11:35:21Z) - Predictive Control with Indirect Adaptive Laws for Payload Transportation by Quadrupedal Robots [36.62645789321095]
本稿では,四足歩行ロボットによるロバストペイロード輸送のための新しい階層的計画と制御フレームワークを開発する。
間接アダプティブ法則は、異なるペイロードの下での縮小順序(テンポレート)移動モデルの未知のパラメータを推定する。
ロボットは、荒れた地形で重量の73%のダイナミックペイロードをうまく管理する。
論文 参考訳（メタデータ） (2026-03-09T18:43:31Z) - Disturbance-Aware Flight Control of Robotic Gliding Blimp via Moving Mass Actuation [5.073162687197271]
LTA(Lighter-than-air Air System)のようなロボットの飛行は、長時間の持続性と本質的に安全な操作を提供するが、風乱の影響を受けやすい。
本稿では,風による影響を明示的にモデル化し補償することにより,LTAプラットフォームに対する外乱認識制御フレームワークの欠如に対処する。
移動地平線推定器(MHE)は、リアルタイムな風の摂動を推定し、これらの推定をモデル予測制御器(MPC)に提供し、様々な風条件下でのロバストな軌道と方向制御を可能にする。
論文 参考訳（メタデータ） (2026-01-29T02:36:26Z) - Real-Time Motion-Controllable Autoregressive Video Diffusion [79.32730467857535]
本稿では,AR-Dragを提案する。このAR-Dragは,多様なモーション制御を備えたリアルタイム画像・ビデオ生成のための,RLで拡張された最初の数ステップのARビデオ拡散モデルである。
まず,基本動作制御をサポートするためのベースI2Vモデルを微調整し,さらに軌道ベース報酬モデルによる強化により改良する。
本設計では、自己学習機構を通じてマルコフ特性を保存し、ステップを選択的に分解することで訓練を加速する。
論文 参考訳（メタデータ） (2025-10-09T12:17:11Z) - Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows [109.99020160824553]
乱流のモデリングと制御のための効率的な深部強化学習フレームワークを提案する。
予測制御(PC)のためのモデルベースRLであり、乱流制御のためのポリシとオブザーバモデルの両方を共同で学習する。
その結果, PINO-PCは, バルク速度レイノルズ数15,000で39.0%の抗力低下を達成し, 従来の流体制御法を32%以上上回った。
論文 参考訳（メタデータ） (2025-10-03T00:18:26Z) - Hovering Flight of Soft-Actuated Insect-Scale Micro Aerial Vehicles using Deep Reinforcement Learning [25.353235604712562]
ソフトアクチュレートされた昆虫型マイクロエアロビー(IMAV)は、堅牢で計算効率のよい制御装置を設計する上で、ユニークな課題を生んでいる。
本稿では、システムの遅延と不確実性に対処する深層強化学習(RL)コントローラを設計する。
このコントローラは、それぞれ720 mgと850 mgの2つの異なる昆虫スケールの空中ロボットに展開する。
論文 参考訳（メタデータ） (2025-02-17T22:45:59Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - 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)
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。