論文の概要: DNN Koopman-Based Deviation Compensation for UGV Path Tracking Control on Coupled Slope and Potholed Road

• arxiv url: http://arxiv.org/abs/2606.18630v1
• Date: Wed, 17 Jun 2026 02:57:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.979185
• Title: DNN Koopman-Based Deviation Compensation for UGV Path Tracking Control on Coupled Slope and Potholed Road
• Title（参考訳）: DNNクープマンによる高架道路と高架道路のUGV経路追尾制御
• Authors: Jian Zhao, Wenbo Zhou, Zhicheng Chen, Bing Zhu, Jiayi Han, Dongjian Song, Yinju Lin, Peixing Zhang,
• Abstract要約: 無人地上車両(UGV)は、経路追跡性能を著しく低下させる複雑な地形障害に直面している。 本稿では,UGV経路追跡制御のためのDeep Neural Network (DNN) Koopmanに基づく偏差補償戦略を提案する。 実験の結果、提案したUGV経路追跡戦略により、複数の動作条件で11.5%以上のトラッキング性能が向上することが示された。
• 参考スコア（独自算出の注目度）: 29.24158998620042
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned ground vehicles (UGVs) operating in off-road scenarios are confronted with complex terrain disturbances that can substantially degrade path tracking performance. To address this challenge, this paper proposes a deep neural network (DNN) Koopman-based deviation compensation strategy for UGV path tracking control. Firstly, based on the vehicle dynamic function on coupled slope, an adaptive forgetting recursive least squares method with decoupled error terms is designed to estimate tire cornering stiffness. On this basis, a Laguerre model predictive control (LMPC) path tracking control strategy is designed by incorporating Laguerre functions, which can reduce computational resource usage while maintaining reliable tracking performance across different coupled slope scenarios. Then, by integrating Koopman operator theory with DNN, a DNN Koopman (DK) path deviation compensation method is proposed, which significantly improves the path tracking accuracy of UGV under potholed road disturbances. Furthermore, an event-triggered parallel cooperative (EPC) compensation mechanism that couples LMPC with DK is established based on compensation activation criteria and credibility verification. This mechanism improves path tracking accuracy on potholed road while ensuring the feasibility of overall steering command and stability of vehicle after DK compensation. Finally, a hardware-in-the-loop (HiL) experimental platform is constructed for validation. Experimental results demonstrate that the proposed UGV path tracking strategy improves tracking performance by more than 11.5% across multiple operating conditions.
• Abstract（参考訳）: オフロードシナリオで動作する無人地上車両(UGV)は、経路追跡性能を著しく低下させる複雑な地形障害に直面している。 この課題に対処するために、UGV経路追跡制御のためのディープニューラルネットワーク(DNN)クープマンに基づく偏差補償戦略を提案する。 第一に、連結斜面上の車両動関数に基づいて、非結合誤差項を持つ適応的再帰最小二乗法をタイヤのひび割れ剛性を推定するために設計する。 これに基づいて,Laguerreモデル予測制御(LMPC)経路追跡制御戦略を設計し,異なる結合斜面シナリオをまたいだ信頼性の高いトラッキング性能を維持しつつ,計算資源の使用量を削減する。 次に, DNN にクープマン演算子理論を統合することで, 土砂災害時の UGV の経路追尾精度を大幅に向上する DNNクープマン経路偏差補償法を提案する。 さらに、補償アクティベーション基準と信頼性検証に基づいて、LMPCとDKを結合するイベントトリガー並列協調(EPC)補償機構を確立する。 この機構は、DK補償後の全ステアリング指令の実現性と車両の安定性を確保しつつ、ポットホルド道路の経路追跡精度を向上させる。 最後に、ハードウェア・イン・ザ・ループ(HiL)実験プラットフォームを構築し、検証を行う。 実験の結果、提案したUGV経路追跡戦略により、複数の動作条件で11.5%以上のトラッキング性能が向上することが示された。

関連論文リスト

• Benchmarking Empirical and Learning-Based Approaches for Feedforward Steering Control in Autonomous Racing [2.183305325115666]
  フィードフォワードステアリング制御は、自律走行のための階層型制御アーキテクチャの重要な構成要素である。 本稿では,2つの学習ベースと2つの経験的フィードフォワードコントローラのベンチマークを示す。 実世界Abu Dhabi Autonomous Racing Leagueコンペティションに基づく高忠実度シミュレーションフレームワークでフィードフォワードコントローラをテストする。
  論文  参考訳（メタデータ） (2026-05-20T12:44:36Z)
• PerlAD: Towards Enhanced Closed-loop End-to-end Autonomous Driving with Pseudo-simulation-based Reinforcement Learning [23.599241673009956]
  Pseudo-simulation-based RL method for closed-loop end-to-end autonomous driving, PerlAD。 オフラインデータセットに基づいて、PerlADはベクトル空間で動作する擬似シミュレーションを構築し、効率的でレンダリング不要なトライアルとエラーのトレーニングを可能にする。 PerlADはBench2Driveベンチマークで最先端のパフォーマンスを達成し、以前のE2E RL法を10.29%上回った。
  論文  参考訳（メタデータ） (2026-03-16T07:09:07Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• Finite-Time Control Based on Differential Flatness for Wheeled Mobile Robots with Experimental Validation [0.0]
  ロバストなトラッキング制御戦略は、車輪付き移動ロボット(WMR)が様々な分野で動作しながら所定の経路を追跡できるように設計されている。 非線形超平面型スライディングモード制御(INH-SMC)技術がWMRに提案されている。 その実用的生存性は、タートルボット3のWMRにおける実際の室内実験を通じて実証される。
  論文  参考訳（メタデータ） (2025-12-23T10:41:04Z)
• RoaD: Rollouts as Demonstrations for Closed-Loop Supervised Fine-Tuning of Autonomous Driving Policies [30.632104005565832]
  ロールアウト・アズ・デモレーション(RoaD)は、クローズドループにおける自律運転ポリシーのトレーニングにおいて、共変量シフトを軽減する方法である。 ロールアウト生成の間、RoaDは高品質な振る舞いに対するバイアス軌道に関する専門家のガイダンスを取り入れ、微調整のための情報的かつ現実的なデモンストレーションを生み出した。 本稿では,大規模な交通シミュレーションベンチマークであるWOSACにおけるRoaDの有効性を示す。
  論文  参考訳（メタデータ） (2025-12-01T18:52:03Z)
• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• A GOA-Based Fault-Tolerant Trajectory Tracking Control for an Underwater Vehicle of Multi-Thruster System without Actuator Saturation [9.371458775465825]
  本稿では,スラスタ損傷(パワーロス)を受けた水中車両(UV)の軌道追尾問題に対処するために,インテリジェントな耐故障制御(FTC)戦略を提案する。 提案した制御戦略では、速度変化を制御する改良されたバックステッピングアルゴリズムにより軌道追跡成分を形成し、スライディングモード制御によりトルク/フォース出力を減算する。
  論文  参考訳（メタデータ） (2023-01-04T21:30:16Z)

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。