論文の概要: Robust Integrated Planning and Control for Quadrotors in Dynamic Environments via NMPC with CBF Penalties

• arxiv url: http://arxiv.org/abs/2606.01038v1
• Date: Sun, 31 May 2026 06:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:48:09.661508
• Title: Robust Integrated Planning and Control for Quadrotors in Dynamic Environments via NMPC with CBF Penalties
• Title（参考訳）: CBFペナルティ付きNMPCによる動的環境における擬似ロボットのロバスト統合計画と制御
• Authors: Zeinab Shayan, Mohammadreza Izadi, Reza Faieghi,
• Abstract要約: 本稿では、無人航空機のための新しいロバストな統合計画制御(IPC)戦略を提案する。 本稿では,制御障壁関数(CBF)を指数関数として組み込む非線形モデル予測制御(NMPC)の定式化を提案する。 これは、ハードウェアで検証された最初のNMPC-CBF IPCフレームワークであり、動的環境における安全な4乗子配置に向けた実践的なステップを提供する。
• 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: This paper presents a new robust integrated planning and control (IPC) strategy for multirotor uncrewed aerial vehicles. We propose a nonlinear model predictive control (NMPC) formulation that embeds control barrier functions (CBFs) as exponential penalties, improving feasibility while ensuring smooth obstacle avoidance under tight input bounds. The penalty weights provide a practical tuning knob to trade off tracking accuracy against avoidance aggressiveness. We enhance the system robustness by employing a high-gain disturbance observer (HGDO) to estimate and compensate for external disturbances. We also incorporate a Kalman filter (KF) for computationally efficient, real-time prediction of obstacle motion, enabling avoidance of moving obstacles. Comparative studies against both conventional NMPC and NMPC with hard CBF constraints, validated in Gazebo and hardware experiments, demonstrate superior feasibility, safety, and robustness. To the best of our knowledge, this is the first hardware-validated NMPC-CBF IPC framework, offering a practical step toward safe quadrotor deployment in dynamic environments.
• Abstract（参考訳）: 本稿では,多輪無人航空機のための新しいロバスト統合計画制御(IPC)戦略を提案する。 本稿では,制御障壁関数(CBF)を指数関数として組み込んだ非線形モデル予測制御(NMPC)の定式化を提案する。 ペナルティウェイトは、回避攻撃性に対して追跡精度をトレードオフする実用的なチューニングノブを提供する。 我々は,高利得外乱オブザーバ(HGDO)を用いて外乱を推定・補償することにより,システムのロバスト性を高める。 また,高速かつリアルタイムな障害物運動予測のためのカルマンフィルタ(KF)を導入し,移動障害物の回避を可能にする。 ガゼボおよびハードウェア実験で検証された従来のNMPCとNMPCの比較研究は、優れた実現可能性、安全性、堅牢性を示している。 我々の知る限り、このフレームワークはハードウェアで検証された初めてのNMPC-CBF IPCフレームワークであり、動的環境における安全な二次配置に向けた実践的なステップを提供する。

関連論文リスト

• CMP: Robust Whole-Body Tracking for Loco-Manipulation via Competence Manifold Projection [64.65196237023754]
  Manifold Competence Projectionは、アウト・オブ・ディストリビューションの摂動に対する堅牢性を改善する。 我々は、無限水平安全制約を計算効率の良い単段多様体包含に変換するフレーム-ワイズ安全スキームを用いる。 実験により、CMPは典型的なOODシナリオで最大10倍の生存率向上を達成することが示された。
  論文  参考訳（メタデータ） (2026-04-08T18:00:39Z)
• FORMULA: FORmation MPC with neUral barrier Learning for safety Assurance [4.374354534474969]
  FORMULAは安全な分散学習型予測制御フレームワークである。 安定性のためのコントロールLyapunov関数と、分散安全性のためのニューラルネットワークベースのCBFを統合している。 FORMULAは、複雑な環境下でのマルチロボットチームに対して、スケーラブルで、安全に配慮した、構成保存ナビゲーションを可能にする。
  論文  参考訳（メタデータ） (2026-04-06T04:21:09Z)
• A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance [45.63674336069651]
  ソフト連続マニピュレータは機械的コンプライアンスを通じて受動的安全性を提供する。 サンプリングベースの計画のような既存のアプローチは、しばしば計算コストが高く、正式な安全保証がない。 本稿では,リアルタイム3次元障害物回避のための閉形式制御リャプノフ関数-制御バリア関数(CLF-CBF)について述べる。
  論文  参考訳（メタデータ） (2026-03-19T19:34:49Z)
• Safety-Guaranteed Imitation Learning from Nonlinear Model Predictive Control for Spacecraft Close Proximity Operations [39.146761527401424]
  本稿では,宇宙船近接制御のための安全保証型,実行時効率の模倣学習フレームワークを提案する。 安全証明書にはCBF(Control Barrier Functions)、安定性にはCLF(Control Lyapunov Functions)を活用しています。 実行時分析では、市販のオフザシェルフプロセッサでリアルタイムに実現可能であることを示し、安全クリティカルな軌道上サービスのためのオンボードデプロイメントをサポートする。
  論文  参考訳（メタデータ） (2026-03-19T13:47:18Z)
• Safe Beyond the Horizon: Efficient Sampling-based MPC with Neural Control Barrier Functions [23.693610702522236]
  モデル予測制御(MPC)を実際に使用する場合の一般的な問題は、予測地平線を超えた安全仕様の満足度である。 本稿では、推定最適制御のばらつきを大幅に低減し、サンプル効率を向上し、CPU上でのリアルタイム計画を可能にする新しいサンプリング戦略を提案する。
  論文  参考訳（メタデータ） (2025-02-20T19:59:11Z)
• Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
  入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。 逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。 その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
  論文  参考訳（メタデータ） (2024-10-05T18:45:19Z)
• 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)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)
• Reinforcement Learning for Safety-Critical Control under Model Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
  強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。 RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
  論文  参考訳（メタデータ） (2020-04-16T10:51:33Z)

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。