論文の概要: A Comparative Study of INDI and NDI with Nonlinear Disturbance Observer for Aerial Robotics

• arxiv url: http://arxiv.org/abs/2605.05825v1
• Date: Thu, 07 May 2026 08:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.612068
• Title: A Comparative Study of INDI and NDI with Nonlinear Disturbance Observer for Aerial Robotics
• Title（参考訳）: 空気ロボティクスのための非線形外乱オブザーバを用いたINDIとNDIの比較検討
• Authors: Benedetta Rota, Mirko Mizzoni, Amr Afifi, Pieter van Goor, Antonio Franchi,
• Abstract要約: トラッカー性能,ロバスト性,制御労力,パラメトリック変動,外乱,測定ノイズの比較を行った。 INDIはいくつかのモデルミスマッチと複合ストレスケースにおいて強い堅牢性を示す。 NDI+NDOは主に名目性能に適合するが、いくつかの非理想的条件下では感度が高い。
• 参考スコア（独自算出の注目度）: 4.97334750118951
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a simulation-based comparative robustness analysis of Incremental Nonlinear Dynamic Inversion (INDI) and Nonlinear Dynamic Inversion augmented with a nonlinear disturbance observer (NDI+NDO) for fully actuated aerial robots. A systematic simulation campaign across representative operating scenarios is conducted, where we compare tracking performance, robustness, control effort, under parametric variations, external disturbances, and measurement noise. Results show that INDI demonstrates stronger robustness in several model-mismatch and combined-stress cases, while NDI+NDO primarily matches nominal performance but exhibits greater sensitivity under several non-ideal conditions. These findings provide practical guidance on the relative strengths and limitations of incremental and observer-based inversion strategies for aerial robotic applications.
• Abstract（参考訳）: 本研究では, 非線形外乱オブザーバ(NDI+NDO)を付加したインクリメンタル非線形動的インバージョン(INDI)と非線形動的インバージョン(NDI+NDO)の比較ロバスト性解析を行った。 代表的な運用シナリオを対象としたシステマティック・シミュレーション・キャンペーンを行い、トラッカー性能、ロバスト性、制御労力、パラメトリックな変動、外乱、測定ノイズを比較した。 以上の結果から,INDIはいくつかのモデルミスマッチおよび複合ストレス症例において強い堅牢性を示す一方,NDI+NDOは主に名目性能に適合するが,複数の非理想的条件下では高い感度を示すことが明らかとなった。 これらの知見は、航空ロボット応用のためのインクリメンタルおよびオブザーバベースの反転戦略の相対的強度と限界に関する実践的なガイダンスを提供する。

関連論文リスト

• Learning-Based Dynamics Modeling and Robust Control for Tendon-Driven Continuum Robots [23.655392951446995]
  テンドン駆動型ロボット連続体(TDCR)は複雑な非線形性のため、モデリングと制御に重大な課題をもたらす。 本稿では,高忠実度ダイナミクスモデリングと頑健なニューラルコントロールを統合した微分可能な学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T14:20:44Z)
• Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
  この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。 提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。 堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
  論文  参考訳（メタデータ） (2026-03-16T07:44:28Z)
• AERMANI-Diffusion: Regime-Conditioned Diffusion for Dynamics Learning in Aerial Manipulators [2.376629619475859]
  空力マニピュレータは、慣性結合力と空力の迅速かつ構成に依存した変化を行う。 条件付き拡散プロセスと軽量時間エンコーダを用いて残留力の完全な分布をモデル化する状態条件拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-11T16:10:32Z)
• Learning Soft Robotic Dynamics with Active Exploration [42.02038229113609]
  ソフトロボットは、非構造環境における不整合適応性と安全性を提供する。 既存のデータ駆動アプローチは、狭義のタスク実証によって制約された一般化に失敗する。 我々は不確実性を認識したアクティブな探索フレームワークであるSoftAEを紹介する。
  論文  参考訳（メタデータ） (2025-10-31T12:35:02Z)
• UP-dROM : Uncertainty-Aware and Parametrised dynamic Reduced-Order Model, application to unsteady flows [27.50487430169627]
  還元次数モデル(ROM)は、低コストな予測を提供することによって流体力学において重要な役割を果たす。 ROMが広く適用されるためには、異なる体制にまたがってうまく一般化するだけでなく、その予測に対する信頼度も測らなければならない。 過渡流に特化して設計された非線形還元戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-29T22:17:36Z)
• 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)
• Neural Operator with Regularity Structure for Modeling Dynamics Driven by SPDEs [70.51212431290611]
  偏微分方程式 (SPDE) は、大気科学や物理学を含む多くの分野において、力学をモデル化するための重要なツールである。 本研究では,SPDEによって駆動されるダイナミクスをモデル化するための特徴ベクトルを組み込んだニューラル演算子(NORS)を提案する。 動的Phi41モデルと2d Navier-Stokes方程式を含む様々なSPDE実験を行った。
  論文  参考訳（メタデータ） (2022-04-13T08:53:41Z)
• Incorporating NODE with Pre-trained Neural Differential Operator for Learning Dynamics [73.77459272878025]
  ニューラル微分演算子(NDO)の事前学習による動的学習における教師付き信号の強化を提案する。 NDOは記号関数のクラスで事前訓練され、これらの関数の軌跡サンプルとそれらの導関数とのマッピングを学習する。 我々は,NDOの出力が,ライブラリの複雑さを適切に調整することで,基礎となる真理微分を適切に近似できることを理論的に保証する。
  論文  参考訳（メタデータ） (2021-06-08T08:04:47Z)

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。