論文の概要: Constrained MPC-Based Motion Planning for Morphing Quadrotors in Ultra-Narrow Passages under Limited Perception
- arxiv url: http://arxiv.org/abs/2605.15999v1
- Date: Fri, 15 May 2026 14:31:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 17:44:16.338968
- Title: Constrained MPC-Based Motion Planning for Morphing Quadrotors in Ultra-Narrow Passages under Limited Perception
- Title（参考訳）: 限られた知覚下での超狭い経路におけるモーフィング四重項の拘束的MPCに基づく運動計画
- Authors: Harsh Modi, Xiao Liang, Minghui Zheng,
- Abstract要約: 本稿では,制約環境下での四角形変形のための形態と軌道を計画するための運動計画手法を提案する。
本研究では, 非線形モデル予測制御(MPC)のための新しい障害物回避コスト関数を開発した。
- 参考スコア（独自算出の注目度）: 3.4672098154671995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a motion planning framework to plan morphology and trajectory for morphing quadrotors under extremely constrained environments. We develop a novel obstacle avoidance cost function for nonlinear model predictive control (MPC) that enables navigation through extremely narrow gaps under limited perception from a 2D LiDAR. Classical artificial potential field-based costs typically have a high cost in narrow passages, artificially blocking the navigable path. In contrast, we propose a smooth exponential obstacle cost that preserves low traversal cost within narrow gaps while maintaining strong collision avoidance behavior. The formulation avoids hard activation thresholds and introduces a cost reduction factor to reduce the cost within narrow passages. Direct use of 2D LiDAR measurements in MPC allows navigation around arbitrarily shaped obstacles. The method is embedded within an acados-based nonlinear MPC framework. Simulation and experimental results demonstrate successful traversal of narrow corridors where typical repulsive cost functions would fail. The approach provides a computationally efficient and practical solution for navigating through tight spaces while maintaining safety from the obstacles. While we are implementing the framework on the morphing quadrotors, the cost function formulation is general-purpose for any mobile robot application, and is not limited to the morphing quadrotors. The implementation code is available at \href{https://github.com/harshjmodi1996/morphocopter_mpc}{Github Repo} and a short video is available at \href{https://zh.engr.tamu.edu/wp-content/uploads/sites/310/2026/03/MPC_MorphoCopter_video.mp4}{Video Link}.
- Abstract（参考訳）: 本稿では, 極めて制約の厳しい環境下での四角形形状の形状と軌道を計画するための運動計画手法を提案する。
非線形モデル予測制御(MPC)のための新しい障害物回避コスト関数を開発した。
古典的な人為的ポテンシャルに基づくコストは通常、狭い通路で高いコストがかかり、航行可能な経路を人為的にブロックする。
対照的に, 衝突回避挙動を強く保ちながら, 狭い隙間内での低トラバースコストを抑えるスムーズな指数的障害物コストを提案する。
この定式化は、ハードアクティベーション閾値を回避し、狭い通路内でのコスト削減のためにコスト削減率を導入する。
MPCにおける2D LiDARの直接使用により、任意形状の障害物を回避できる。
この方法は、アカドスに基づく非線形MPCフレームワークに埋め込まれている。
シミュレーションと実験により、典型的な反発型コスト関数が失敗する狭い廊下の走行が成功した。
このアプローチは、障害物から安全を維持しながら、狭い空間をナビゲートする、計算的に効率的で実用的なソリューションを提供する。
我々は、モーフィング・クオーターのフレームワークを実装しているが、コスト関数の定式化は、どの移動ロボットにも汎用的であり、モーフィング・クオーターに限らない。
実装コードは \href{https://github.com/harshjmodi 1996/morphocopter_mpc}{Github Repo} で、短いビデオは \href{https://zh.engr.tamu.edu/wp-content/uploads/sites/310/2026/03/MPC_MorphoCopter_video.mp4}{Video Link} で公開されている。
関連論文リスト
- TinySDP: Real Time Semidefinite Optimization for Certifiable and Agile Edge Robotics [18.604754784265253]
Semidefinite cul (SDP) は、運動計画における凸緩和の原理的枠組みを提供する。
埋め込み動的トラクタビリティのためのTiny-Riccatiに基づく計算構造解法
論文 参考訳（メタデータ） (2026-05-13T16:30:32Z) - CR^2: Cost-Aware Risk-Controlled Routing for Wireless Device-Edge LLM Inference [52.849509991178884]
大規模言語モデル(LLM)は集中型クラウドからモバイルエッジ環境に移行する。
軽量オンデバイスモデルとより強力なエッジモデルの間のクエリレベルのルーティングは、このトレードオフをナビゲートするための柔軟なメカニズムを提供する。
既存のルータは、集中クラウド設定とトークンレベルのコストの最適化のために設計されており、無線エッジデプロイメントにおける動的レイテンシとエネルギーオーバーヘッドをキャプチャできない。
論文 参考訳（メタデータ） (2026-05-12T11:50:15Z) - Multi-directional Safe Rectangle Corridor-Based MPC for Nonholonomic Robots Navigation in Cluttered Environment [5.860911259793735]
本稿では,自律移動ロボット(AMR)のための改良型モデル予測制御(ISM)フレームワークを提案する。
このフレームワークは、2つの重要なイノベーションを通じて課題に対処する。
論文 参考訳（メタデータ） (2025-12-15T11:28:04Z) - ReMoSPLAT: Reactive Mobile Manipulation Control on a Gaussian Splat [3.983697124458495]
反応性制御は、移動マニピュレータのベースとアームの動きを優雅に調整することができる。
本稿では,モバイル操作のための2次プログラム定式化に基づくレスポンシブコントローラReMoSPLATを提案する。
論文 参考訳（メタデータ） (2025-12-10T13:52:08Z) - Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。
B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。
実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
論文 参考訳（メタデータ） (2025-09-30T03:38:20Z) - Dynamic Speculative Agent Planning [57.630218933994534]
大規模な言語モデルベースのエージェントは、遅延の禁止と推論コストのために、重要なデプロイメント課題に直面している。
本稿では,オンライン強化学習フレームワークである動的投機計画(Dynamic Speculative Planning, DSP)を紹介する。
2つの標準エージェントベンチマークの実験では、DSPは高速加速法に匹敵する効率を達成し、総コストを30%削減し、不要コストを60%まで削減している。
論文 参考訳（メタデータ） (2025-09-02T03:34:36Z) - Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。
離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。
本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文 参考訳（メタデータ） (2025-08-27T17:59:36Z) - 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) - Scalable Online Exploration via Coverability [45.66375686120087]
探索は、特に関数近似を必要とする高次元領域において、強化学習において大きな課題である。
従来の探索手法を一般化し,3つの基本デシラタをサポートする新しい目的である$L_Coverageを導入する。
$L_Coverageは、カバー可能性の低いMDPにおけるオンライン(リワードフリーまたは報酬駆動)強化学習のための、最初の計算効率のよいモデルベースおよびモデルフリーのアルゴリズムを可能にする。
論文 参考訳（メタデータ） (2024-03-11T10:14:06Z) - Robust Quadrupedal Locomotion on Sloped Terrains: A Linear Policy
Approach [3.752600874088677]
私たちは、四足歩行ロボットStochに2ドル(約2万2000円)のリニアポリシーを使っています。
特に、エンドフット軌道のパラメータは、胴体方向と地形傾斜を入力として取る線形フィードバックポリシーによって形成される。
結果として生じる歩行は、地形の斜面の変動や外部のプッシュに対して堅牢である。
論文 参考訳（メタデータ） (2020-10-30T16:02:08Z)
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。