論文の概要: Longitudinal-Motion-Aware Lateral Control for Autonomous Vehicles: A Robust Nonlinear Control Framework

• arxiv url: http://arxiv.org/abs/2607.02924v1
• Date: Fri, 03 Jul 2026 03:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 13:19:13.980945
• Title: Longitudinal-Motion-Aware Lateral Control for Autonomous Vehicles: A Robust Nonlinear Control Framework
• Title（参考訳）: 自律走行車両の縦-横方向制御:ロバスト非線形制御フレームワーク
• Abstract要約: 横方向の制御は、縦方向の速度と加速度が異なる間に行わなければならない。 既存の横型コントローラの多くは、定速または動作点ベースの仮定に依存している。 本稿では,AVに対する縦方向運動対応の頑健な非線形横方向制御フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 15.398298486219096
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As autonomous vehicles (AVs) operate in increasingly dynamic traffic conditions, lateral control must be performed while longitudinal speed and acceleration vary. Yet many existing lateral controllers rely on constant-speed or operating-point-based assumptions, which can degrade performance during transient longitudinal maneuvers. Moreover, most methods assume precisely known vehicle parameters, despite real-world parametric uncertainties. To address these limitations, this paper presents a longitudinal-motion-aware robust nonlinear lateral control framework for AVs. It first derives a tracking error model that depends on varying longitudinal speed and acceleration. Using this model, feedback linearization is employed to obtain a linear input-output relation for lateral error tracking while embedding longitudinal motion into the control law. The resulting internal dynamics are then analyzed to ensure overall system stability. To address parameter uncertainty, two robust control designs with distinct implementation trade-offs are proposed: (i) a Lyapunov redesign (LR) approach inspired by sliding mode control, and (ii) an incremental nonlinear dynamic inversion (INDI) method. Both are rigorously analyzed and proven to ensure ultimate boundedness, with key robustness-tuning parameters explicitly identified. Simulations demonstrate enhanced tracking accuracy, consistent performance across varying speeds and accelerations, and robustness to model uncertainties, while also examining the effects of the robustness-related parameters. Real-vehicle tests further confirm real-time implementation and practical path-tracking performance on actual hardware.
• Abstract（参考訳）: 自律走行車(AV)は、ますますダイナミックな交通条件で運用されるため、縦方向の速度と加速度が異なる間に横方向の制御を行う必要がある。 しかし、既存の横方向コントローラの多くは、過渡的な縦方向の操作で性能を低下させることができる定速または動作点ベースの仮定に依存している。 さらに、ほとんどの手法は現実世界のパラメトリック不確実性にもかかわらず、正確に知られている車両パラメータを仮定する。 これらの制約に対処するため,AVに対する長手動作対応の頑健な非線形横方向制御フレームワークを提案する。 まず、異なる縦方向の速度と加速度に依存する追跡誤差モデルから導出する。 このモデルを用いて, 横方向の動作を制御則に埋め込みながら, 横方向の誤差追跡のための線形入力出力関係を得る。 結果として生じる内部ダイナミクスは、システム全体の安定性を保証するために分析される。 パラメータの不確実性に対処するために、異なる実装トレードオフを持つ2つの頑健な制御設計を提案する。 (i)スライディングモード制御にインスパイアされたリアプノフ再設計(LR)アプローチ (II)インクリメンタル非線形ダイナミックインバージョン法(INDI) どちらも厳密に分析され、究極的な有界性を保証することが証明され、重要なロバストネスチューニングパラメータが明確に特定されている。 シミュレーションでは、追跡精度の向上、速度と加速度の変動による一貫した性能、不確実性をモデル化する頑健性、およびロバストネス関連パラメータの効果を検証した。 実車テストは、実際のハードウェア上でのリアルタイム実装と実用的なパス追跡性能をさらに確認する。

関連論文リスト

• Control-Oriented Learning for Dynamic Tracking and Stability Analysis of Soft Pneumatic Actuators [0.0]
  ソフト空気圧アクチュエータは、固有のコンプライアンスと安全な相互作用を提供するが、モデル化と制御は困難である。 本稿では、アクチュエータ動作を非線形静的平衡モデルに分解する制御指向データ駆動モデリングおよび制御フレームワークを提案する。 その結果、構造化された制御指向学習は、ソフトアクチュエータ制御のための正確かつ実用的なフレームワークを提供することを示した。
  論文  参考訳（メタデータ） (2026-08-25T21:39:02Z)
• A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
  車両の直接遠隔操作は重要な技術的ボトルネックに直面している。 通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。 本稿では,一方的な遠隔操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-11T01:51:08Z)
• Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
  Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。 我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。 以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-05-18T08:45:24Z)
• Robust $\mathcal{H}_\infty$ Controller Design For INDI-Controlled Quadrotor Using Online Parameter Identification [0.3499870393443268]
  本研究は,四重項の姿勢制御のための頑健なゲインスケジューリング制御器の設計について述べる。 対称四極子に対してフィードフォワードフィルタ付きゲインスケジューリングカスケード姿勢制御器を合成する。 結果として得られる制御器の安定性は良好であり、非線形シミュレーションにより不確実性下での効果的な追従性能が確認される。
  論文  参考訳（メタデータ） (2026-05-06T22:05:39Z)
• Driver-WM: A Driver-Centric Traffic-Conditioned Latent World Model for In-Cabin Dynamics Rollout [55.19244743715421]
  Driver-WMは、ドライバー中心の潜在世界モデルで、アウトキャビンのトラフィックコンテキストを考慮に入れたインキャビンのダイナミクスをロールアウトする。 身体のキネマティクス予測を補助的な行動的・感情的意味認識と統合する。 ドライバ-WMは、反応性の高いハイモーション操作のための堅牢な長距離幾何学的予測を与える。
  論文  参考訳（メタデータ） (2026-05-06T16:30:48Z)
• Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
  この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。 提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。 堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
  論文  参考訳（メタデータ） (2026-03-16T07:44:28Z)
• Path Tracking with Dynamic Control Point Blending for Autonomous Vehicles: An Experimental Study [40.36217526625217]
  本稿では,輪車に沿った動的制御点に横方向制御コマンドを適用する自律走行車のための経路追跡フレームワークを提案する。 提案手法は,前軸または後軸の固定基準を強制するのではなく,連続的に補間する。 閉ループ追尾および後方操作の結果、軌道精度の向上、スムーズな操舵プロファイル、固定制御点ベースラインよりも適応性の向上が見られた。
  論文  参考訳（メタデータ） (2026-02-02T10:03:37Z)
• Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
  運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。 コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
  論文  参考訳（メタデータ） (2026-01-06T15:30:02Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• 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)
• Self-adaptive Torque Vectoring Controller Using Reinforcement Learning [6.8390297905731625]
  トルクベクトルコントローラなどの連続直接ヨーモーメント制御システムは、車両の安定化に不可欠な部品です。 トルクベクトル制御器のパラメータを注意深くチューニングする能力は、車両の性能と安定性を著しく向上させることができる。 トルクベクトル制御のためのパラメータチューニングアルゴリズムとして、DDPG(Deep Deterministic Policy Gradient)に基づく強化学習(RL)の有用性を示す。
  論文  参考訳（メタデータ） (2021-03-27T12:39:56Z)

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。