論文の概要: Accurate Trajectory Tracking with MPCC for Flapping-Wing MAVs

• arxiv url: http://arxiv.org/abs/2605.06042v2
• Date: Mon, 11 May 2026 16:03:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 19:24:01.330929
• Title: Accurate Trajectory Tracking with MPCC for Flapping-Wing MAVs
• Title（参考訳）: 羽ばたきMAVのためのMPCCによる高精度軌道追跡
• Authors: Charbel Toumieh, Jack Zeng, Niel Mistry, Dario Floreano,
• Abstract要約: 羽ばたきの小型航空機はロータリーウィングのドローンよりも静かで安全な操作を提供する。 従来のカスケードコントローラーは、高度、速度、方向を独立して扱い、永続的な追跡エラーを発生させる。 本稿では,鳥型オルニトプターの圧倒的な結合を捉える,コンパクトで連続的な微分可能なモデルを提案する。
• 参考スコア（独自算出の注目度）: 4.066849397181078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Flapping-wing micro aerial vehicles offer quieter and safer operation than rotary-wing drones, yet achieving precise autonomous control of bird-scale ornithopters remains challenging: lift, airspeed, and turning authority are tightly coupled and governed by only a few control inputs. Conventional cascaded controllers treat altitude, speed, and heading independently, producing persistent tracking errors during complex maneuvers, while time-parameterized trajectory tracking requires predefined speed profiles that existing methods cannot robustly produce for these coupled dynamics. We address both limitations simultaneously with a Model Predictive Contouring Control (MPCC) approach that tracks arc-length-parameterized trajectories while optimizing progress online, eliminating the need for predefined timing. However, MPCC requires a dynamical model that captures the coupled aerodynamics without exceeding the computational budget of real-time nonlinear optimization. Here, we propose a compact, continuously differentiable model that captures the dominant couplings of bird-scale ornithopters, enabling real-time predictive control. We validated the method with the XFly ornithopter flying along circular and three-dimensional racing trajectories and achieved a mean deviation from the reference trajectory between 6.5 and 9 cm at speeds up to 3 m/s, which represents an almost 10-fold improvement over prior ornithopter control methods.
• Abstract（参考訳）: 羽ばたきの小型航空機はロータリー翼ドローンよりも静かで安全な操作を提供するが、鳥の大きさのオルニトプターを正確に自律的に制御することは依然として困難である。 従来のカスケード制御器は、高度、速度、方向を独立に扱い、複雑な操作中に永続的な追跡誤差を発生させる一方、時間パラメータ化された軌道追跡には、既存の手法がこれらの結合されたダイナミクスに対して堅牢に生成できないような、予め定義された速度プロファイルが必要である。 両制約をモデル予測整合制御 (MPCC) アプローチで同時に解決し, アーク長パラメタライズドトラジェクトリを追跡すると同時に, オンラインでの進捗を最適化し, 事前定義されたタイミングの必要性を解消する。 しかし、MPCCは、リアルタイム非線形最適化の計算予算を超えることなく、結合された空気力学を捕捉する動的モデルを必要とする。 そこで本研究では,鳥の大きさのオルニトプターの圧倒的な結合を捕捉し,リアルタイムの予測制御を可能にする,コンパクトで連続的な微分可能なモデルを提案する。 我々は,XFlyオルニトプターを円形および三次元のレース軌跡に沿って飛行し,基準軌跡から最大3m/sの速度で6.5～9cmまで平均偏差を達成した。

関連論文リスト

• Meta-Adaptive Beam Search Planning for Transformer-Based Reinforcement Learning Control of UAVs with Overhead Manipulators under Flight Disturbances [8.618483849755604]
  オーバーヘッドマニピュレータを備えたドローンは、検査、メンテナンス、コンタクトベースのインタラクションにユニークな機能を提供する。 ドローンとそのマニピュレータの動作は強く結びついており、風や制御の欠陥による小さな姿勢の変化でさえ、エンドエフェクターを意図した経路から遠ざける。 変換器をベースとしたDouble Deep Q Learning (DDQN) を用いた強化学習フレームワークを開発した。 これにより、コントローラは実際のモデル上でこれらのアクションを直接実行するのではなく、シミュレーションされたロールアウトを通じてエンドエフェクタの動きを予測できる。
  論文  参考訳（メタデータ） (2026-03-27T17:08:40Z)
• Receding-Horizon Nullspace Optimization for Actuation-Aware Control Allocation in Omnidirectional UAVs [2.573972255510259]
  完全に作動した全方位UAVは、6自由度すべてに沿って力とトルクを独立に制御できる。 従来の制御割当法は、搭載アクチュエータの非対称力学を無視する。 本研究は,非対称運動力学を明示的に取り入れたリテーディングホライズン,アクティベーション・アウェア・アロケーション戦略を提案する。
  論文  参考訳（メタデータ） (2026-03-06T19:47:45Z)
• Robust Helicopter Ship Deck Landing With Guaranteed Timing Using Shrinking-Horizon Model Predictive Control [0.0]
  Shrinking-Horizon Model Predictive Control (SHMPC) に基づく移動船デッキにおける自律型ヘリコプター着陸のランタイムアルゴリズムを提案する。 まず、全非線形ヘリコプター動力学の関連する側面を把握した適切な計画モデルが導出される。 次に、SHMPCをタッチダウン制御ステージと共に使用し、乱れの有無に関わらず、所定の操作時間と関連する着陸時間を確保する。
  論文  参考訳（メタデータ） (2026-02-26T07:40:57Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• 3D Path-Following Guidance via Nonlinear Model Predictive Control for Fixed-Wing Small UAS [0.0]
  非線形モデル予測制御(MPC)に基づく2つの新しい3次元経路追従誘導アルゴリズムを提案する。 地上36m/秒での3次元経路追従誘導における非線形MPCの実現可能性と性能について検討した。
  論文  参考訳（メタデータ） (2025-12-30T16:27:44Z)
• AirPilot: Interpretable PPO-based DRL Auto-Tuned Nonlinear PID Drone Controller for Robust Autonomous Flights [0.046873264197900916]
  AirPilotは、非線形ディープ強化学習 (DRL) - プロポーショナル・インテグレーショナル・デリバティブ (PID) ドローン・コントローラである。 AirPilotコントローラは、従来のPID制御のシンプルさと有効性と、DRLの適応性、学習能力、最適化能力を組み合わせる。 Airpilotは、デフォルトのPX4 PID位置コントローラのナビゲーションエラーを90%削減し、微調整されたPIDコントローラのナビゲーション速度を21%改善する。
  論文  参考訳（メタデータ） (2024-03-30T00:46:43Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• 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)

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。