論文の概要: Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions
- arxiv url: http://arxiv.org/abs/2606.09719v1
- Date: Mon, 08 Jun 2026 16:44:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:07.565186
- Title: Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions
- Title（参考訳）: 制御バリア機能を有する安全ポリトープ・イン・ポリトープ動作計画と制御
- Authors: Alejandro Gonzalez-Garcia, Dries Dirckx, Jan Swevers, Wilm Decré,
- Abstract要約: 本研究は,多目的ロボットのフットプリントが凸自由空間領域内に留まることを保証する安全な局所運動計画制御手法を提案する。
提案された自由空間定式化では障害物検出やセグメンテーションは不要である。
このアプローチは、自動運転車と非ホロノミックな移動ロボットによるハードウェアによるシミュレーションで検証されている。
- 参考スコア（独自算出の注目度）: 45.68209588239261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous mobile robots operating in tight environments require motion planning frameworks that account for the physical footprint of the robot. Simplifying the geometry to a point or a circle is conservative and discards information needed to successfully and safely traverse narrow passages. This work proposes a safe local motion planning and control method that guarantees that a polytopic robot footprint stays inside a continuously updated convex free-space region. The containment condition is formulated as a set of discrete-time control barrier function constraints within a model predictive controller. The number of safety constraints depends on the complexity of the local free-space geometry and the robot shape, instead of the number of obstacles. The proposed free-space formulation does not need any obstacle detection or segmentation. A comparative analysis against a polytope-based obstacle avoidance formulation confirms favorable scaling up to a reduction of 91$\times$ in computation time as the number of obstacles increases. The approach is validated in simulation with an autonomous surface vehicle and on hardware with a non-holonomic mobile robot, using both occupancy grids and LiDAR sensing. The experiments demonstrate safe real-time motion planning and control at 10~Hz on an onboard embedded computer, including reactive avoidance of dynamic obstacles.
- Abstract（参考訳）: タイトな環境で動く自律移動ロボットは、ロボットの物理的な足跡を考慮に入れた動き計画フレームワークを必要とする。
幾何学を点や円に単純化することは保守的であり、狭い通路をうまく安全に横断するのに必要な情報を破棄する。
本研究では,多目的ロボットのフットプリントが連続的に更新された凸空域内に留まることを保証する,安全な局所運動計画と制御手法を提案する。
保持条件は、モデル予測コントローラ内の離散時間制御障壁関数の一連の制約として定式化される。
安全制約の数は、障害物の数ではなく、局所的な自由空間幾何学とロボット形状の複雑さに依存する。
提案された自由空間定式化では障害物検出やセグメンテーションは不要である。
ポリトープをベースとした障害物回避法の比較解析により,障害物数が増加するにつれて,計算時間において91$\times$のスケールが向上することが確認された。
このアプローチは、自律型表面車両と非ホロノミック移動ロボットによるハードウェアのシミュレーションにおいて、占有グリッドとLiDARセンシングの両方を用いて検証されている。
実験では、動的障害物の反応性回避を含む、搭載された組込みコンピュータ上で10〜Hzで安全なリアルタイム動作計画と制御を実証した。
関連論文リスト
- Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - Reactive Robot-Centric Safety for Autonomous Navigation in Constrained and Dynamic Environments [14.321190258774358]
本稿では,3次元LIDAR認識に基づく複合制御バリア関数を統合したリアルタイム制御アーキテクチャを提案する。
地下環境における複数フィールド実験を通してシステムを検証する。
論文 参考訳（メタデータ） (2026-05-15T09:42:13Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。
提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。
このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
論文 参考訳（メタデータ） (2026-04-27T14:20:10Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Trajectory Tracking for Multi-Manipulator Systems in Constrained Environments [9.385066923415936]
障害物分散環境で動作する移動型マルチマニピュレータシステムによる協調操作の問題点を考察する。
このタスクでは、障害物や狭い通路から生じる連続ロボット力学と離散幾何学的制約の両方を尊重しながら、把握された物体を輸送する必要がある。
本研究では,STLを満足するオブジェクト衝突のないベースフットプリントのオフライン生成とオンライン制約付き逆軌道と連続時間フィードバック制御を組み合わせたマルチレート計画制御フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-16T09:01:49Z) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳（メタデータ） (2025-01-16T16:45:08Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z)
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。