論文の概要: Behavior Cloning of MPC for 3-DOF Robotic Manipulators

• arxiv url: http://arxiv.org/abs/2606.00383v1
• Date: Fri, 29 May 2026 21:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.375698
• Title: Behavior Cloning of MPC for 3-DOF Robotic Manipulators
• Title（参考訳）: 3自由度ロボットマニピュレータにおけるMPCの挙動解析
• Abstract要約: モデル予測制御(MPC)は、強い安定性と堅牢性を提供するが、リアルタイムシステムにかなりの計算負荷を与える。 本稿では,3自由度ロボットマニピュレータのリアルタイム制御におけるMPCポリシーの近似化のための行動クローンの適用について検討する。
• 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: While Model Predictive Control (MPC) provides strong stability and robustness, it imposes a significant computational burden on real-time systems. This paper investigates the application of Behavior Cloning to approximate MPC policies for the real-time control of a 3-degree-of-freedom robotic manipulator. We present a baseline controller combining Inverse Kinematics with MPC and evaluate neural network architectures, ranging from classical regression algorithms to deep learning models including Deep MLPs and RNNs, to derive computationally efficient surrogate policies. We analyze generalization capabilities, stability considerations, and the trade-offs inherent in different architectural choices. Our empirical study employs both online and offline evaluations to assess performance regarding accuracy, computational efficiency, and fidelity to the original MPC policy. Our results demonstrate that Behavior Cloning can effectively reduce the computational burden of MPC policies for 3-DOF robotic manipulators, achieving a 3x reduction in inference latency with a 84.98% success rate under relaxed tolerances. Notably, we find that static architectures outperform temporal variants, confirming the sufficiency of instantaneous state observations for this task. However, we observe a precision gap under strict tolerances, which suggest that while Behavior Cloning captures the global optimal trajectory, further research is needed to minimize terminal steady-state error.
• Abstract（参考訳）: モデル予測制御(MPC)は強い安定性と堅牢性を提供するが、リアルタイムシステムにはかなりの計算負荷がかかる。 本稿では,3自由度ロボットマニピュレータのリアルタイム制御におけるMPCポリシーの近似化のための行動クローンの適用について検討する。 Inverse KinematicsをMPCと組み合わせ、古典回帰アルゴリズムからDeep MLPやRNNなどのディープラーニングモデルまで、ニューラルネットワークアーキテクチャの評価を行い、計算効率の良いサロゲートポリシーを導出するベースラインコントローラを提案する。 我々は、様々なアーキテクチャ選択に固有の一般化能力、安定性の考慮、トレードオフを分析します。 我々の実証研究は、オンラインとオフラインの両方の評価を用いて、元のMPCポリシーに対する精度、計算効率、忠実性を評価する。 以上の結果から,3自由度ロボットマニピュレータのMPCポリシの計算負担を効果的に軽減し,84.98%の成功率で推論遅延を3倍に低減できることが示唆された。 特に静的なアーキテクチャは時間的変動よりも優れており、このタスクの瞬間的な状態観測が十分であることを確認した。 しかし, 厳密な許容条件下での精度ギャップを観測した結果, 挙動クローンは最適軌道を捉えるが, 終端定常状態誤差を最小限に抑えるためにはさらなる研究が必要であることが示唆された。

関連論文リスト

• Hierarchical Causal Abduction: A Foundation Framework for Explainable Model Predictive Control [0.0]
  非線形力学、ハードセーフティ制約、数値最適化は、個々の制御を人間の操作者に不透明にさせることが多い。 本稿では,(i)領域知識グラフによる物理インフォームド推論,(ii)Karush--Kuhn-Tucker(KKT)乗算器による最適化証拠,(iii)PCMCIアルゴリズムによる時間的因果発見と,非線形MPCによって計算される制御行動に関する忠実で人間解釈可能な説明を生成する階層因果推論(HCA)について述べる。
  論文  参考訳（メタデータ） (2026-05-11T14:16:39Z)
• Cost-Matching Model Predictive Control for Efficient Reinforcement Learning in Humanoid Locomotion [15.125805248577278]
  モデル予測制御(MPC)に基づく強化学習フレームワークにおいて,最適なヒューマノイド移動のためのコストマッチング手法を提案する。 高忠実度閉ループデータから得られる作用値関数を近似するために、遠心力学を用いたパラメータ化MPC定式化を訓練する。 その結果, モデルミスマッチと外乱に対するロコモーション性能とロバスト性の改善が示された。
  論文  参考訳（メタデータ） (2026-03-30T10:05:15Z)
• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping [69.74252624161652]
  適応クリッピング(BAPO)を用いたBAlanced Policy Optimizationを提案する。 BAPOはクリッピングバウンダリを動的に調整し、適応的に正と負のコントリビューションを再バランスさせ、エントロピーを保持し、RL最適化を安定化させる。 AIME 2024とAIME 2025ベンチマークでは、7B BAPOモデルがSkyWork-OR1-7Bのようなオープンソースモデルを上回っています。
  論文  参考訳（メタデータ） (2025-10-21T12:55:04Z)
• Offline Robotic World Model: Learning Robotic Policies without a Physics Simulator [50.191655141020505]
  強化学習(Reinforcement Learning, RL)は、ロボット制御において目覚ましい能力を示してきたが、高いサンプルの複雑さ、安全性の懸念、そしてシム・トゥ・リアルのギャップのため、依然として困難である。 物理シミュレータに頼らずに政策学習を改善するために不確実性を明示的に推定するモデルベースアプローチであるオフラインロボット世界モデル(RWM-O)を導入する。
  論文  参考訳（メタデータ） (2025-04-23T12:58:15Z)
• Deep Model Predictive Optimization [21.22047409735362]
  ロボット工学における大きな課題は、現実世界で複雑でアジャイルな振る舞いを可能にする堅牢なポリシーを設計することである。 本稿では,MPC最適化アルゴリズムの内ループを体験を通して直接学習するDeep Model Predictive Optimization (DMPO)を提案する。 DMPOは、MFRLでトレーニングされたエンドツーエンドポリシーを19%削減することで、最高のMPCアルゴリズムを最大27%向上させることができる。
  論文  参考訳（メタデータ） (2023-10-06T21:11:52Z)
• 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)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Reliably-stabilizing piecewise-affine neural network controllers [5.203329540700177]
  モデル予測制御(MPC)ポリシーのニューラルネットワーク(NN)近似に影響を与える一般的な問題は、NNベースのコントローラの動作の下でクローズドループシステムの安定性を評価するための分析ツールがないことである。 本稿では、そのような制御器の性能を定量化したり、与えられたMPCスキームの望ましい特性を保持する最小の複雑性NNを設計するための一般的な手順を提案する。
  論文  参考訳（メタデータ） (2021-11-13T20:01:43Z)
• Robust Value Iteration for Continuous Control Tasks [99.00362538261972]
  シミュレーションから物理システムへ制御ポリシを転送する場合、そのポリシは、動作の変動に対して堅牢でなければならない。 本稿では、動的プログラミングを用いて、コンパクトな状態領域上での最適値関数を計算するRobust Fitted Value Iterationを提案する。 より深い強化学習アルゴリズムや非ロバストなアルゴリズムと比較して、ロバストな値の方が頑健であることを示す。
  論文  参考訳（メタデータ） (2021-05-25T19:48:35Z)
• Blending MPC & Value Function Approximation for Efficient Reinforcement Learning [42.429730406277315]
  モデル予測制御(MPC)は、複雑な実世界のシステムを制御する強力なツールである。 モデルフリー強化学習(RL)によるMPC改善のためのフレームワークを提案する。 我々は,本手法がmpcに匹敵する性能と真のダイナミクスを両立できることを示す。
  論文  参考訳（メタデータ） (2020-12-10T11:32:01Z)
• Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot Locomotion [78.46388769788405]
  我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。 誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-22T10:15:53Z)

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。