論文の概要: Sensorless State Estimation and Control for Agile Cable-Suspended Payload Transport by Quadrotors

• arxiv url: http://arxiv.org/abs/2605.03666v1
• Date: Tue, 05 May 2026 11:57:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.919984
• Title: Sensorless State Estimation and Control for Agile Cable-Suspended Payload Transport by Quadrotors
• Title（参考訳）: クアドロレータによるアジャイルケーブル懸架ペイロード輸送のセンサレス状態推定と制御
• Authors: Ana Maria Nascimento, Augusto Sales, Antonio Marcus Lima, Tiago Nascimento,
• Abstract要約: 本研究は,無人航空機(UAV)を用いたケーブル懸架荷重の空力操作のための新しい制御と推定手法を提案する。 実ロボット実験の結果、最適化問題における負荷ダイナミクスの明示的な包含は軌道追従誤差を著しく低減し、不完全モデルに基づく戦略よりも全体的な性能が向上することを示した。
• 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: This work proposes a novel control and estimation approach for aerial manipulation of a cable-suspended load using Unmanned Aerial Vehicles (UAVs). Common approaches in the state of the art have practical limitations, relying on direct load measurements and Lagrangian methods for dynamic modeling. The lack of a straightforward dynamic model of the system led us to propose adopting the Udwadia-Kalaba method to explicitly incorporate the cable's geometric constraints. This formulation allowed for the consistent derivation of the tension force and its direct integration into the NMPC prediction model. Additionally, we propose a sensorless load state estimation based on the same geometric constraints. Results from real-robot experiments demonstrated that the explicit inclusion of load dynamics in the optimization problem significantly reduces trajectory-tracking errors and yields better overall performance compared to strategies based on incomplete models.
• Abstract（参考訳）: 本研究は,無人航空機(UAV)を用いたケーブル吊り荷の空調制御と推定手法を提案する。 最先端における一般的なアプローチは、直接負荷の測定と動的モデリングのためのラグランジアン法に依存する、実用的な制限がある。 システムの直接的な動的モデルがないため、ケーブルの幾何学的制約を明示的に組み込むためにUdwadia-Kalaba法を採用することを提案した。 この定式化は、張力の一貫した導出と、NMPC予測モデルへの直接統合を可能にした。 さらに,同じ幾何学的制約に基づくセンサレス負荷状態推定を提案する。 実ロボット実験の結果、最適化問題における負荷ダイナミクスの明示的な包含は軌道追従誤差を著しく低減し、不完全モデルに基づく戦略よりも全体的な性能が向上することを示した。

関連論文リスト

• Strain-Parameterized Coupled Dynamics and Dual-Camera Visual Servoing for Aerial Continuum Manipulators [0.8594140167290097]
  テンドン駆動連続型空中マニピュレータ(TD-ACM)は、無人航空機(UAV)の操縦性と軽量ロボット(CR)のコンプライアンスを組み合わせる TD-ACMに対する既存の連続結合動的モデリング手法は計算コストが高い。 本稿では,不活性化基底を持つ結合型TD-ACMの一般化された動的定式化について述べる。
  論文  参考訳（メタデータ） (2026-03-24T15:33:22Z)
• Model-Less Feedback Control of Space-based Continuum Manipulators using Backbone Tension Optimization [0.0]
  連続マニピュレータは、閉じ込められた、障害物の多い環境でのナビゲーションのディクスタリティと安全なコンプライアンスを提供する。 無限次元のバックボーン変形、非モデル化内部摩擦、構成に依存した剛性は、モデルベースキネマティックな定式化の信頼性を制限する。 この研究は、微分凸更新を通じてオンラインに改良された経験的に固有のヤコビアンを用いて、キネマティックモデリングをバイパスする完全なモデルレス制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-07T09:34:28Z)
• Nonlinear Model Order Reduction of Dynamical Systems in Process Engineering: Review and Comparison [50.0791489606211]
  我々は、最先端の非線形モデルオーダー削減手法についてレビューする。 本稿では,(化学)プロセスシステムのための汎用的手法と適合したアプローチについて論じる。
  論文  参考訳（メタデータ） (2025-06-15T11:39:12Z)
• Reliable Trajectory Prediction and Uncertainty Quantification with Conditioned Diffusion Models [11.308331231957588]
  本研究は, 拡散モデルを用いた高速道路軌道予測のための新しいネットワークアーキテクチャである, 条件付き車両運動拡散(cVMD)モデルを紹介する。 cVMDのアーキテクチャの中心は、安全クリティカルなアプリケーションにおいて重要な機能である不確実な定量化を実行する能力である。 実験により,提案アーキテクチャは最先端モデルと比較して,競合軌道予測精度が向上することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:01:39Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems [0.8411385346896411]
  本研究では,動的・複雑環境下での自律的四角形ナビゲーションのためのトラジェクトリトラッカーを提案する。 提案フレームワークは,未知の空力効果に対する分散強化学習推定器をモデル予測制御器に統合する。 我々は,未知かつ多様な空気力を用いて,累積追従誤差を少なくとも66%改善するシステムを実証した。
  論文  参考訳（メタデータ） (2022-05-14T23:27:38Z)
• Hybrid Neural Network Augmented Physics-based Models for Nonlinear Filtering [8.253442222027134]
  ベイズ非線形潜在空間推定のためのハイブリッドニューラルネットワーク拡張物理モデリングフレームワークを提案する。 本稿では,ニューラルネットワークによる全体モデルへのコントリビューション制御のための制約フィルタリング手法を提案する。 本手法の有効性を,非線形および不完全な測定・加速度モデルを用いた目標追跡シナリオを用いて実証する。
  論文  参考訳（メタデータ） (2022-04-13T15:43:27Z)
• Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
  表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。 また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-28T16:48:44Z)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)

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。