論文の概要: Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots
- arxiv url: http://arxiv.org/abs/2604.24518v1
- Date: Mon, 27 Apr 2026 14:20:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:08.077781
- Title: Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots
- Title（参考訳）: 移動障害物回避による安全な軌道追従のためのスライディングモード制御:平面ロボットの実験的検証
- Authors: Shubham Sawarkar, P Sangeerth, S Saharsh, Pushpak Jagtap,
- Abstract要約: 本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。
提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。
このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
- 参考スコア（独自算出の注目度）: 1.7044368816068716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a unified control framework for robust trajectory tracking and moving obstacle avoidance applicable to a broad class of mobile robots. By formulating a generalized kinematic transformation, we convert diverse vehicle dynamics into a strict feedback form, facilitating the design of a Sliding Mode Control (SMC) strategy for precise and robust reference tracking. To ensure operational safety in dynamic environments, the tracking controller is integrated with a Collision Cone Control Barrier Function (C3BF) based safety filter. The proposed architecture guarantees asymptotic tracking in the presence of external disturbances while strictly enforcing collision avoidance constraints. The novelty of this work lies in designing a sliding mode controller for ground robots like the Ackermann drive, which has not been done before. The efficacy and versatility of the approach are validated through numerical simulations and extensive real-world experiments on three distinct platforms: an Ackermann-steered vehicle, a differential drive robot, and a quadrotor drone. Video of the experiments are available at https://youtu.be/dWcxwum96vk
- Abstract（参考訳）: 本稿では,多種多様な移動ロボットに適用可能なロバスト軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。
一般化されたキネマティック変換を定式化することにより、多様な車両力学を厳密なフィードバック形式に変換し、高精度かつ堅牢な参照トラッキングのためのスライディングモード制御(SMC)戦略の設計を容易にする。
動的環境での運用上の安全性を確保するため、トラッキングコントローラはコリジョンコーン制御バリア関数(C3BF)ベースの安全フィルタと統合される。
提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の存在下での漸近的追跡を保証する。
Ackermannドライブのような地上ロボット用のスライディングモードコントローラは、これまでも開発されていない。
このアプローチの有効性と汎用性は、3つの異なるプラットフォーム(Ackermann-steered vehicle、差動駆動ロボット、および四輪ドローン)上での数値シミュレーションと広範囲な実世界の実験を通じて検証される。
実験のビデオはhttps://youtu.be/dWcxwum96vkで公開されている。
関連論文リスト
- EMMa: End-Effector Stability-Oriented Mobile Manipulation for Tracked Rescue Robots [14.473975238280538]
本稿では,複雑な救助シナリオにおいて安定なエンドエフェクタ動作を実現するための移動体追従マニピュレータの動作生成フレームワークを提案する。
提案フレームワークは,タスク成功率やエンドエフェクタ動作安定性など,主要な指標間でSOTA手法を一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-09T14:28:41Z) - A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance [45.63674336069651]
ソフト連続マニピュレータは機械的コンプライアンスを通じて受動的安全性を提供する。
サンプリングベースの計画のような既存のアプローチは、しばしば計算コストが高く、正式な安全保証がない。
本稿では,リアルタイム3次元障害物回避のための閉形式制御リャプノフ関数-制御バリア関数(CLF-CBF)について述べる。
論文 参考訳（メタデータ） (2026-03-19T19:34:49Z) - OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。
実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。
実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
論文 参考訳（メタデータ） (2026-02-27T09:12:15Z) - Finite-Time Control Based on Differential Flatness for Wheeled Mobile Robots with Experimental Validation [0.0]
ロバストなトラッキング制御戦略は、車輪付き移動ロボット(WMR)が様々な分野で動作しながら所定の経路を追跡できるように設計されている。
非線形超平面型スライディングモード制御(INH-SMC)技術がWMRに提案されている。
その実用的生存性は、タートルボット3のWMRにおける実際の室内実験を通じて実証される。
論文 参考訳（メタデータ） (2025-12-23T10:41:04Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - Disturbance Compensation for Safe Kinematic Control of Robotic Systems with Closed Architecture [5.705899925573079]
市販のロボティクスシステムでは、ユーザーが変更できないクローズドインナーループトルクコントローラに遭遇することが一般的である。
本研究では,外ループ層で容易に統合されたアドオンの開発に焦点をあてる。
私たちのソリューションは、実装の単純さ、堅牢性、追跡精度、安全性の点で優れたパフォーマンスを示します。
論文 参考訳（メタデータ） (2025-12-04T22:29:12Z) - 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) - Custom Non-Linear Model Predictive Control for Obstacle Avoidance in Indoor and Outdoor Environments [0.0]
本稿では,DJI行列100のための非線形モデル予測制御(NMPC)フレームワークを提案する。
このフレームワークは様々なトラジェクトリタイプをサポートし、厳密な操作の精度を制御するためにペナルティベースのコスト関数を採用している。
論文 参考訳（メタデータ） (2024-10-03T17:50:19Z) - 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) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z)
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。