論文の概要: Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics
- arxiv url: http://arxiv.org/abs/2607.09736v1
- Date: Thu, 02 Jul 2026 14:30:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-19 21:54:20.390923
- Title: Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics
- Title（参考訳）: 微分物理学による再使用型ロケットの飽和を考慮したロバスト軌道最適化
- Abstract要約: 再利用可能なロケットの高アングル・オブ・アタック・フリップ操作は、ロバストな軌道最適化の課題を示す。
本稿では飽和を考慮したロバスト軌道最適化のための微分可能な物理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）: 9.011250637911248
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The high-angle-of-attack flip maneuver of reusable launch vehicles presents significant challenges for robust trajectory optimization due to the combined effects of highly nonlinear dynamics, aerodynamic uncertainties, and actuator saturation. This paper presents a differentiable physics framework for saturation-aware robust trajectory optimization. At its core, a Differentiable Particle Tube Control (DPTC) scheme is developed to optimize uncertainty evolution through an ensemble-based distribution shaping strategy. State uncertainty is represented by a Lagrangian particle ensemble, while hard actuator projection operators are embedded directly into the computational graph, enabling the joint optimization of the nominal feedforward trajectory and a time-varying feedback policy via end-to-end backpropagation. The proposed framework is evaluated against an automatic differentiation-based Successive Convexification (AD-SCvx) baseline combined with a conventional covariance steering feedback strategy. Six-degree-of-freedom Monte Carlo simulations demonstrate that, although the baseline achieves nominal fuel-optimal solutions, its unconstrained feedback formulation becomes susceptible to actuator saturation under aerodynamic disturbances, leading to degraded closed-loop robustness. In contrast, the proposed DPTC framework proactively performs a constraint-aware performance trade-off by relaxing spatial tracking to preserve critical control authority. These results demonstrate that integrating differentiable physics with ensemble-based optimization provides an effective and practical framework for robust guidance in highly constrained aerospace flight systems.
- Abstract（参考訳）: 再利用可能な打上げロケットの高角度旋回操作は、高非線形力学、空力不確実性、アクチュエータ飽和の影響により、頑健な軌道最適化に重大な課題をもたらす。
本稿では飽和を考慮したロバスト軌道最適化のための微分可能な物理フレームワークを提案する。
その中核には、アンサンブルに基づく分布形成戦略により不確実性進化を最適化する微分可能粒子管制御法(DPTC)が開発されている。
状態の不確実性はラグランジュ粒子アンサンブルで表され、ハードアクチュエータ射影作用素は計算グラフに直接埋め込まれ、名目フィードフォワード軌道の合同最適化とエンドツーエンドのバックプロパゲーションによる時間変化フィードバックポリシーが実現される。
提案するフレームワークは,従来の共分散ステアリングフィードバック戦略と組み合わせた,自動微分に基づく逐次凸化(AD-SCvx)ベースラインに対して評価される。
6自由度モンテカルロシミュレーションは、ベースラインは名目上の燃料最適解を達成するが、その非拘束フィードバックの定式化は空力障害下でのアクチュエータ飽和の影響を受けやすくなり、劣化した閉ループロバスト性をもたらすことを示した。
対照的に、提案するDPTCフレームワークは、空間追跡を緩和し、重要な制御権限を保持することにより、制約対応のパフォーマンストレードオフを積極的に実行する。
これらの結果は、高度に制約された航空宇宙飛行システムにおいて、微分物理学とアンサンブルに基づく最適化を統合することが、堅牢な誘導のための効果的かつ実用的なフレームワークを提供することを示した。
関連論文リスト
- Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems [6.655837620295535]
固定翼無人航空機(UAV)の計画と制御は、非線形力学、空力限界、環境障害のために困難である。
本稿では,微分平坦性に基づく軌道生成と予測的制約認識制御を統合した統合フレームワークを提案する。
提案手法を広範囲なシミュレーションと実世界の飛行実験により検証し,複雑な軌道の追跡精度とロバスト性の向上を実証した。
論文 参考訳（メタデータ） (2026-08-21T01:25:35Z) - 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) - World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。
内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。
nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
論文 参考訳（メタデータ） (2026-07-12T07:44:16Z) - Dynamic Evaluation of Classical and Control-Aware Optimal Trajectory Planning in Robot Manipulators [0.0]
軌道計画は、ロボットマニピュレータのトラッキング精度、アクチュエータ要求、および全体的な実行行動に影響を与える。
立方体、クインティック、および台形形状のような古典的なプランナーは、その単純さと滑らかさのために広く使われている。
本稿では,マニピュレータのダイナミクスとアクチュエータの取り組みを明示的に組み込んだ制御対応最適軌道計画フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-06T18:26:48Z) - Intend, Reflect, Refine: An Adaptive Multimodal Reflection Framework for Autonomous Driving [79.71689985927625]
自律運転のための適応型マルチモーダルリフレクションフレームワークであるIRR-Driveを提案する。
IRR-Driveは明らかにシーンの進化を予測し、モデルは厳密な自己修正と初期意図の洗練を可能にした。
提案手法はPDMSとNAVSIMSのベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-06-22T06:53:58Z) - Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。
現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。
本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-02T08:10:02Z) - Implicit Drifting Policy: One-Step Action Generation via Conditional Expert Geometry [46.0185525503119]
Implicit Drifting Policy (IDP)は、ロボット制御のための一段階の模倣学習フレームワークである。
IDPは、明示的なベクトル場推定なしでポリシー学習にドリフトの訓練時間補正をもたらす。
論文 参考訳（メタデータ） (2026-05-31T08:39:57Z) - Momentum-constrained Hybrid Heuristic Trajectory Optimization Framework with Residual-enhanced DRL for Visually Impaired Scenarios [20.048701695146963]
本稿では,Momentum-Constrained Hybrid Heuristic Trajectory Optimization Framework (MHTOF)を提案する。
快適性と安全性の両立を図るため,Huristic Trajectory Smpling Cluster (HTSC) とMomentum-Constrained Trajectory Optimization (MTO) を設計した。
複雑な動的シナリオでは、MHHTOFはリスクを低減した安定した速度と加速度曲線を示す。
論文 参考訳（メタデータ） (2026-04-16T13:16:00Z) - Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。
スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。
退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
論文 参考訳（メタデータ） (2026-03-13T11:09:50Z) - Robust Co-design Optimisation for Agile Fixed-Wing UAVs [0.359986669039879]
自律システムの共同設計は、シーケンシャルなアプローチの強力な代替手段として現れてきた。
我々は、アジャイルの固定翼UAVのための堅牢な共同設計フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T15:56:14Z) - 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) - Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field [0.0]
本論文は,無人航空機(UAV)の空域における自律衝突回避の課題について論じる。
それは新しい方向と相対速度重み付き人工電位場(APF)を提案する。
このアプローチでは、障害物の方向と速度に基づいて反発電位を動的にスケールするために、有界重み関数$(,v_e)$を導入している。
論文 参考訳（メタデータ） (2025-12-08T14:57:01Z) - Model-Less Feedback Control of Space-based Continuum Manipulators using Backbone Tension Optimization [0.0]
連続マニピュレータは、閉じ込められた、障害物の多い環境でのナビゲーションのディクスタリティと安全なコンプライアンスを提供する。
無限次元のバックボーン変形、非モデル化内部摩擦、構成に依存した剛性は、モデルベースキネマティックな定式化の信頼性を制限する。
この研究は、微分凸更新を通じてオンラインに改良された経験的に固有のヤコビアンを用いて、キネマティックモデリングをバイパスする完全なモデルレス制御フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-07T09:34:28Z)
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。