論文の概要: Residual-Conservative Model Predictive Path Integral Control

• arxiv url: http://arxiv.org/abs/2607.06950v1
• Date: Wed, 08 Jul 2026 03:23:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.272553
• Title: Residual-Conservative Model Predictive Path Integral Control
• Title（参考訳）: 残留保守モデル予測経路積分制御
• Abstract要約: 本稿では, 予測実行残差を用いて, 安全保守をオンラインで調整するサンプリングベースMPCフレームワークを提案する。 RC-MPPIは、残留依存性制約強化、適応型安全コスト整形、残留適応サンプリング変調の3つの結合メカニズムを組み合わせたものである。
• 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: Sampling-based model predictive control methods handle nonlinear dynamics and complex cost landscapes through Monte Carlo rollouts, yet typically employ fixed constraint penalties that do not adapt to model-plant mismatch. This paper proposes Residual-Conservative Model Predictive Path Integral Control (RC-MPPI), a sampling-based MPC framework that modulates safety conservatism online using the prediction-execution residual. RC-MPPI combines three coupled mechanisms: residual-dependent constraint tightening, adaptive safety-cost shaping, and residual-adaptive sampling modulation through exploration contraction and temperature relaxation. The temperature adaptation reflects a key insight: when the model is inaccurate, rollout cost evaluations become unreliable, and increasing temperature reduces overcommitment to apparent cost rankings. Under Lipschitz dynamics and sub-Gaussian disturbances, we derive probabilistic bounds on constraint violation and show that the joint effect of the adaptive mechanisms reduces violation probability as the residual grows. A rollout-cost uncertainty analysis further shows that model-plant mismatch perturbs MPPI importance weights in proportion to residual magnitude and inversely with temperature, providing theoretical justification for residual-adaptive temperature relaxation. Simulations on an LTI point-mass system and a planar 2R manipulator show improved safety margin, success rate, and control efficiency compared with vanilla MPPI under significant model-plant mismatch.
• Abstract（参考訳）: サンプリングに基づくモデル予測制御法は、モンテカルロのロールアウトを通じて、非線形力学と複雑なコストランドスケープを扱うが、通常、モデル・プラントのミスマッチに適応しない固定的な制約刑を課す。 本稿では,予測実行残差を用いて安全保守をオンラインで調整するサンプリングベースMPCフレームワークであるResidual-Conservative Model Predictive Path Integral Control (RC-MPPI)を提案する。 RC-MPPIは、残留依存性制約の厳密化、適応的安全コストの整形、探索収縮と温度緩和による残留適応サンプリング変調の3つの結合メカニズムを組み合わせたものである。 温度適応は重要な洞察を反映しており、モデルが不正確な場合、ロールアウトコスト評価は信頼性が低下し、温度が上昇するとコストランキングへの過度な貢献が減少する。 リプシッツ力学と準ガウス乱の下では、制約違反の確率的境界を導出し、適応機構の結合効果が残余が大きくなるにつれて違反確率を減少させることを示す。 ロールアウトコストの不確実性分析により, モデルプラントのミスマッチによるMPPIの重み付けは, 残留等級に比例し, 逆温度に比例して重要であり, 残留適応型温度緩和の理論的正当性が示唆された。 LTI点質量系と平面2Rマニピュレータのシミュレーションにより,バニラMPPIに比べて安全性,成功率,制御効率が向上した。

関連論文リスト

• Koopman-Based Robust Model Predictive Control for Nonlinear Systems with Stochastic Intermittent Measurements [11.153670606528545]
  間欠状態測定は、制約付き非線形システムの予測制御をモデル化するための根本的な課題を提起する。 本稿では,確率的に歪んだソフト制約を持つクープマンベースのMPCフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-09-02T04:08:49Z)
• Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
  本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。 このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。 多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
  論文  参考訳（メタデータ） (2026-05-28T13:26:53Z)
• Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles [0.0]
  本稿では,車両の動的安全境界制御のための応答認識型リスク制約制御バリア関数に基づく統合制御フレームワークを提案する。 このフレームワークは、制御勾配の基準方向を提供するために、名目力学と直接車体応答を融合する。 また、従来の決定論的安全制約をバリア関数誘導体のテールリスクに関する確率論的制約に再構成する。
  論文  参考訳（メタデータ） (2026-03-13T02:38:17Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• KD-EKF: Knowledge-Distilled Adaptive Covariance EKF for Robust UWB/PDR Indoor Localization [6.004649968619912]
  屋内でのローカライゼーションは、センチメートルレベルの精度と低レイテンシを提供する。 非視界条件下では測定信頼性が著しく低下する。 慣性測定ユニット(IMU)をベースとしたPDR(Pedestrian Dead Reckoning)は,インフラストラクチャフリーな動作推定を提供する。
  論文  参考訳（メタデータ） (2026-03-06T03:12:52Z)
• Km-scale dynamical downscaling through conformalized latent diffusion models [45.94979929172337]
  高分解能気象場を粗大なシミュレーションから導き出すためには, 動的ダウンスケーリングが不可欠である。 Generative Diffusion Model(DM)は、最近、このタスクのための強力なデータ駆動ツールとして登場した。 しかし、DMは過信予測に対する有限サンプル保証を欠いているため、グリッドポイントレベルの不確実性推定が誤って行われる。 我々は、コンフォーマルな予測フレームワークでダウンスケーリングパイプラインを拡張することで、この問題に対処する。
  論文  参考訳（メタデータ） (2025-10-15T08:41:36Z)
• Robust Model Predictive Control Design for Autonomous Vehicles with Perception-based Observers [5.388633782438152]
  本稿では、状態推定に使用されるディープラーニングに基づく知覚モジュールに固有の非ガウス雑音を明示的に扱う。 セットベースの状態推定と制約付きゾノトープを用いて、偏りのある重み付き不確かさをキャプチャする。 知覚認識型MPCは、重音条件下での安定かつ正確な制御性能を提供する。
  論文  参考訳（メタデータ） (2025-09-05T16:03:57Z)
• Convergence and Generalization of Anti-Regularization for Parametric Models [0.0]
  反正則化は損失関数に逆符号を持つ報酬項を導入する。 スペクトル安全性条件と信頼領域制約を定式化する。 我々は、プロジェクション演算子と勾配クリッピングを組み合わせた軽量な安全ガードを設計し、安定した介入を保証する。
  論文  参考訳（メタデータ） (2025-08-24T15:34:17Z)
• A robust and adaptive MPC formulation for Gaussian process models [2.6661512675766037]
  不確実な非線形システムに対する頑健で適応的なモデル予測制御(MPC)フレームワークを提案する。 MPC の定式化に取り入れた指標を用いて,GP モデルのロバストな予測を導出する。 本研究では, モデル地盤効果を考慮した平面四重項の数値的な例を示す。
  論文  参考訳（メタデータ） (2025-07-02T19:27:14Z)
• COME: Test-time adaption by Conservatively Minimizing Entropy [45.689829178140634]
  保守的に最小化されるエントロピー (COME) は従来のエントロピー (EM) の代替品である COMEはモデル予測よりもディリクレ事前分布を特徴付けることによって、不確実性を明示的にモデル化する。 我々はCOMEが一般的なベンチマークで最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2024-10-12T09:20:06Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)
• 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)

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。