論文の概要: Clustering-Embedded Model Predictive Path Integral Control: Avoiding Averaging-Induced Failure and Enabling Efficient Cluster Selection for Dynamic Obstacles
- arxiv url: http://arxiv.org/abs/2607.06499v1
- Date: Tue, 07 Jul 2026 17:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.594249
- Title: Clustering-Embedded Model Predictive Path Integral Control: Avoiding Averaging-Induced Failure and Enabling Efficient Cluster Selection for Dynamic Obstacles
- Title（参考訳）: クラスタリング組込みモデル予測経路積分制御:動的障害物に対する平均故障回避と効率的なクラスタ選択
- Abstract要約: CEPPI(Cluster-Embedded MPPI)は、シミュレーション基準点から抽出される新しい幾何学的方向特徴を再定義するフレームワークを提案する。
2次元JAX-MPPIシミュレーションの実験では、クラスタリングベースの更新が動的シーンにおける永続的障害を軽減することが示されている。
- 参考スコア（独自算出の注目度）: 8.676152401214837
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With the widespread availability of parallel computing hardware, sampling-based motion planning methods such as Model Predictive Path Integral (MPPI) control have become increasingly powerful for complex nonlinear systems in non-smooth task spaces. However, the sampling and forward-simulation pipeline in MPPI suffers from averaging-induced failure in cluttered environments, where the importance-weighted update averages incompatible rollouts and leads to hesitation or even collision when an obstacle lies directly ahead. This paper proposes Clustering-Embedded MPPI (CE-MPPI), a framework that architecturally resolves the averaging-induced failures inherent in standard MPPI within non-convex environments. Rather than simply mitigating interference, CE-MPPI redefines the control law by integrating a high-fidelity pruning and clustering stage. By leveraging density-based spatial clustering of applications with noise (DBSCAN) alongside a novel geometric direction feature that is extracted from collision-derived reference points, the system isolates feasible trajectory modes from the noise of infeasible rollouts. This is paired with an intelligent selection logic that optimizes for minimum cost in static scenes while actively steering opposite to obstacle flux in dynamic environments. Experiments in 2-D JAX-accelerated simulations show that CE-MPPI alleviates obstacle-front hesitation and avoids persistent coupling with moving obstacles in dynamic scenes. In particular, real-world tests on a 6-DoF UR5e manipulator with CUDA-parallel rollouts in Isaac Gym achieve a 48\% reduction in time-to-goal and a 12\% shorter end-effector path.
- Abstract（参考訳）: 並列コンピューティングハードウェアの普及に伴い、非滑らかなタスク空間における複雑な非線形システムにおいて、モデル予測パス積分(MPPI)制御のようなサンプリングベースの動作計画手法がますます強力になっている。
しかし、MPPIのサンプリングと前方シミュレーションパイプラインは、重要度の高い更新が互換性のないロールアウトを平均し、障害が直接前方にあるときのヒューズや衝突につながる、散在した環境における平均的な障害に悩まされる。
本稿では,非凸環境における標準MPPIに固有の平均的障害をアーキテクチャ的に解決するフレームワークであるクラスタリング組込みMPPI(CE-MPPI)を提案する。
単に干渉を緩和するのではなく、CE-MPPIは高忠実プルーニングとクラスタリングの段階を統合することで制御則を再定義する。
衝突基準点から抽出される新しい幾何学的方向特徴とともに, ノイズを伴うアプリケーションの密度に基づく空間クラスタリング(DBSCAN)を活用することにより, 実用不可能なロールアウトのノイズから, 実現可能な軌道モードを分離する。
これは、静的シーンの最小コストを最適化するインテリジェントな選択ロジックと組み合わせられ、動的環境の障害物フラックスとは反対にアクティブに操作される。
2次元JAX加速シミュレーションによる実験では,CE-MPPIは障害物前傾を緩和し,動的シーンにおける移動障害物との永続的結合を回避する。
特に、Isaac GymのCUDA並列ロールアウトを持つ6-DoF UR5eマニピュレータの現実世界での試験は、48倍の時間と12倍の短いエンドエフェクタパスを実現している。
関連論文リスト
- A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - Manifold-Constrained MPPI: Real-Time Sampling-Based Control Under Hard Constraints [8.747309323431802]
Manifold-Constrained MPPI (MC-MPPI) はリアルタイムサンプリングベースの制御フレームワークである。
MPPIの計算上の利点を保ちながら、多様体ベースの等式制約を強制する。
シミュレーションと実世界の両方の環境で14-DoFクローズドチェーンのデュアルアームシステムの実験は、MC-MPPIが安定して100Hzで動作することを示した。
論文 参考訳（メタデータ） (2026-05-24T01:57:18Z) - TinySDP: Real Time Semidefinite Optimization for Certifiable and Agile Edge Robotics [18.604754784265253]
Semidefinite cul (SDP) は、運動計画における凸緩和の原理的枠組みを提供する。
埋め込み動的トラクタビリティのためのTiny-Riccatiに基づく計算構造解法
論文 参考訳（メタデータ） (2026-05-13T16:30:32Z) - Robust Path Tracking for Vehicles via Continuous-Time Residual Learning: An ICODE-MPPI Approach [1.6567880228735359]
モデル予測経路積分(MPPI)制御は、非線形自律システムのための強力なサンプリングベースの戦略である。
本稿では、ICODE-MPPIを提案する。ICODE(Input Concomitant Ordinary Differential Equations)を用いて、モデルなし残差ダイナミクスの学習と補償を行う。
複素軌道上の高忠実度シミュレーションは、ICODE-MPPIが持続的乱れ下でのクロストラック誤差を最大69%減少させることを示した。
論文 参考訳（メタデータ） (2026-05-05T01:20:51Z) - ADMM-Based Distributed MPC with Control Barrier Functions for Safe Multi-Robot Quadrupedal Locomotion [3.5507574265100854]
本稿では,制御障壁関数(CBF)を制約とした完全分散モデル予測制御(MPC)フレームワークを提案する。
提案するフレームワークは,四足歩行ロボットのための階層型移動制御アーキテクチャに統合される。
論文 参考訳（メタデータ） (2026-03-19T17:25:33Z) - Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。
また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文 参考訳（メタデータ） (2026-02-02T21:33:03Z) - Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。
本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
論文 参考訳（メタデータ） (2025-07-12T17:11:06Z) - 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) - ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based
Motion Segmentation [101.19290845597918]
本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。
時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
論文 参考訳（メタデータ） (2022-03-22T13:40:26Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。