論文の概要: Behavioral Data-Driven Optimal Trajectory Generation for Rotary Cranes

• arxiv url: http://arxiv.org/abs/2605.14944v1
• Date: Thu, 14 May 2026 15:17:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.906421
• Title: Behavioral Data-Driven Optimal Trajectory Generation for Rotary Cranes
• Title（参考訳）: 回転クレーンの挙動データ駆動最適軌道生成
• Authors: Iskandar Khemakhem, Manuel Zobel, Johannes Schüle, Oliver Sawodny, Naoki Uchiyama, Abdallah Farrage,
• Abstract要約: 自動クレーン制御における中心的な課題は、運動中の負荷振動の低減である。 本稿では,回転クレーン用開ループスリーイング軌道を生成するための行動データ駆動型フレームワークを提案する。 最大で35%の負荷減少、43%のトラッキングエラー、50%の移動時間削減を実現している。
• 参考スコア（独自算出の注目度）: 1.6270825077960571
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the growth of the construction industry and the global shortage of skilled labor, the automation of crane control has become increasingly important for safe and efficient operations. A central challenge in automatic crane control is the reduction of load oscillations during motion, which is primarily addressed through appropriate slewing trajectories. In this context, classical model-based control methods rely on accurate dynamical models and expert tuning, and often struggle to meet safety and precision requirements, while many learning-based approaches require large data sets and significant computational resources. This paper proposes a behavioral data-driven framework for generating open-loop slewing trajectories for rotary cranes that suppress load sway while reducing operation time and energy consumption. The approach builds on Willems' fundamental lemma and its generalizations, to bypass explicit system modeling and operate directly on measured input-output data. A practical workflow is presented in this paper to reduce the need for expert knowledge. Despite the underactuated nature of the crane dynamics, the method identifies a nonparametric representation of the system behavior and generates smooth, optimal trajectories using limited data and convex optimization. The proposed trajectory generation method is validated on a laboratory crane setup and compared against an established model-based approach, achieving up to 35% reduction in load sway, 43% reduction in tracking error, and 50% reduction in travel time.
• Abstract（参考訳）: 建設産業の成長と熟練労働者の世界的な不足により、クレーン制御の自動化は安全かつ効率的な運用にとってますます重要になっている。 自動クレーン制御における中心的な課題は、運動中の負荷の振動を減少させることであり、これは主に適切な旋回軌道によって対処される。 この文脈では、古典的なモデルに基づく制御手法は正確な力学モデルと専門家のチューニングに依存しており、安全性と精度の要求を満たすのに苦労することが多い。 本稿では, 回転クレーンの開ループスリーイング軌道を生成するための挙動データ駆動型フレームワークを提案する。 この手法はウィレムスの基本的な補題と一般化に基づいており、明示的なシステムモデリングを回避し、測定された入出力データを直接操作する。 本稿では,専門家の知識の必要性を減らすために,実践的なワークフローを提案する。 クレーン力学の不安定な性質にもかかわらず、この手法はシステムの挙動の非パラメトリックな表現を特定し、限られたデータと凸最適化を用いて滑らかで最適な軌道を生成する。 提案した軌道生成法は, 実験室のクレーンで検証し, 既存のモデルベースアプローチと比較し, 負荷スウェイの最大35%低減, 追従誤差の43%低減, 走行時間の50%低減を実現した。

関連論文リスト

• Deep Learning-Accelerated Surrogate Optimization for High-Dimensional Well Control in Stress-Sensitive Reservoirs [0.0]
  応力に敏感な非伝統的な貯水池における生産最適化は, 圧力駆動流と破壊導電率低下とマトリックス透水率の非線形トレードオフによって制御される。 本研究では,高次元ウェルコントロールのためのディープラーニングに基づくサロゲート最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-01T01:04:08Z)
• Curvature-Guided LoRA: Steering in the pretrained NTK subspace [60.35296431630704]
  本稿では,PEFTを用いて得られた予測器と,出力レベルにおける完全微調整の予測器との整合性を考慮した予測アライメント問題を提案する。 我々は、この目的が自然に、ニュートンのような、曲率ホワイトの勾配に対応する最適な低ランク更新を行う、曲率対応の2階定式化につながることを示した。 この知見に基づいて、局所曲率情報を用いて適応方向を選択し、スケールする曲率誘導LoRA(CG-LoRA)を提案する。
  論文  参考訳（メタデータ） (2026-03-31T14:46:39Z)
• Onboard MuJoCo-based Model Predictive Control for Shipboard Crane with Double-Pendulum Sway Suppression [7.645323708488569]
  海上での重荷の移動は、危険なペイロードのスウェイによって制限された効率的なクレーンの運用に依存している。 既存の制御方法はそのような設定で苦労し、しばしば単純化された分析モデルに依存している。 MuJoCo MPCフレームワークを中心とした,完全なリアルタイム制御パイプラインを示す。
  論文  参考訳（メタデータ） (2026-03-17T11:43:52Z)
• 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)
• Action Flow Matching for Continual Robot Learning [54.10050120844738]
  ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。 本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。 ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
  論文  参考訳（メタデータ） (2025-04-25T16:26:15Z)
• Traffic expertise meets residual RL: Knowledge-informed model-based residual reinforcement learning for CAV trajectory control [1.5361702135159845]
  本稿では,知識インフォームドモデルに基づく残留強化学習フレームワークを提案する。 交通専門家の知識を仮想環境モデルに統合し、基本力学にIntelligent Driver Model(IDM)、残留力学にニューラルネットワークを使用する。 本稿では,従来の制御手法を残差RLと組み合わせて,スクラッチから学習することなく,効率的な学習と政策最適化を容易にする新しい戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-30T16:16:57Z)
• Optimizing Diffusion Models for Joint Trajectory Prediction and Controllable Generation [49.49868273653921]
  拡散モデルは、自律運転における共同軌道予測と制御可能な生成を約束する。 最適ガウス拡散(OGD)と推定クリーンマニフォールド(ECM)誘導を導入する。 提案手法は生成過程の合理化を図り,計算オーバーヘッドを低減した実用的な応用を実現する。
  論文  参考訳（メタデータ） (2024-08-01T17:59:59Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)

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。