論文の概要: ADMM-Based Safety-Critical Distributed NMPC for Cooperative Transportation by Quadrupedal Robots
- arxiv url: http://arxiv.org/abs/2607.17007v1
- Date: Sat, 18 Jul 2026 23:44:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.335568
- Title: ADMM-Based Safety-Critical Distributed NMPC for Cooperative Transportation by Quadrupedal Robots
- Title（参考訳）: 四足歩行ロボットによる協調移動のためのADMMに基づく安全臨界分散NMPC
- Abstract要約: 本稿では,四足歩行ロボットチームによる協調ペイロード輸送のための安全臨界分散非線形予測制御(DNMPC)フレームワークを提案する。
提案手法は、ロボットチームと共有ペイロードを動的に結合されたネットワークシステムとしてモデル化する。
その結果生まれた分散フレームワークは、ペイロード状態とインタラクション-レンチ両方のトラジェクトリに対するコンセンサスを強制する。
- 参考スコア（独自算出の注目度）: 1.7032702581423906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a safety-critical distributed nonlinear model predictive control (DNMPC) framework for cooperative payload transportation by teams of quadrupedal robots. The proposed approach models the robotic team and the shared payload as a dynamically coupled networked system with rigid holonomic coupling constraints arising from cooperative transportation. To enable distributed real-time optimization, the centralized finite-horizon optimal control problem is decomposed into parallel local NMPC subproblems coordinated through the alternating direction method of multipliers (ADMM). The resulting distributed framework enforces consensus over both payload-state and interaction-wrench trajectories while explicitly incorporating acceleration-level holonomic coupling constraints within the distributed predictive control formulation. Safety-critical obstacle avoidance constraints for both the robotic agents and payload are enforced using higher-order control barrier functions (HOCBFs). The framework is validated through numerical simulations with teams of two, three, and four quadrupedal robots transporting shared payloads in cluttered environments. Real-time experiments on two- and three-robot teams demonstrate safe and robust transportation under payload uncertainty and external disturbances. Compared with centralized NMPC, the proposed framework achieves up to 23% reduction in average NLP solve time while maintaining comparable closed-loop performance. Ablation studies further demonstrate robustness to communication delays and show that explicit payload-state consensus and holonomic constraints substantially improve payload tracking and distributed coordination over existing wrench-only consensus formulations.
- Abstract（参考訳）: 本稿では,四足歩行ロボットチームによる協調ペイロード輸送のための安全臨界分散非線形予測制御(DNMPC)フレームワークを提案する。
提案手法は,ロボットチームと共有ペイロードを協調輸送による剛性ホロノミックカップリング制約を持つ動的結合型ネットワークシステムとしてモデル化する。
分散リアルタイム最適化を実現するために、集中有限水平最適制御問題を、乗算器の交互方向法(ADMM)によって調整された並列局所NMPCサブプロブレムに分解する。
得られた分散フレームワークは、ペイロード状態と相互作用レンチ軌道の両方に対するコンセンサスを強制し、分散予測制御の定式化に加速度レベルのホロノミックカップリング制約を明示的に組み込む。
ロボットエージェントとペイロードの両方に対する安全クリティカルな障害物回避制約は、高次制御バリア関数(HOCBF)を用いて実施される。
このフレームワークは,2,3,4つの四足歩行ロボットを用いて,散らばった環境下で共有ペイロードを輸送する数値シミュレーションによって検証される。
2人と3人のロボットチームによるリアルタイム実験は、ペイロードの不確実性や外乱の下で安全で堅牢な輸送を実証している。
集中型NMPCと比較して,提案フレームワークは,最大23%のNLP解時間を短縮し,同程度の閉ループ性能を維持した。
アブレーション研究は、通信遅延に対するロバスト性をさらに証明し、明示的なペイロード状態のコンセンサスとホロノミック制約が、既存のレンチのみのコンセンサスの定式化よりもペイロードトラッキングと分散コーディネーションを大幅に改善することを示した。
関連論文リスト
- 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) - Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳（メタデータ） (2026-07-22T16:37:05Z) - Multi-Rate Nonlinear Model Predictive Control for Wall-Supported Bipedal Locomotion of Quadrupedal Robots [3.2625979527355784]
マルチレート非線形モデル予測制御(MR-NMPC)に基づく新しい階層型計画制御フレームワークを提案する。
四足歩行ロボットは、制約のある環境で壁支援でハイブリッド二足歩行を行うことができる。
提案手法は,Unitree A1ロボットのロバストな壁支援二足歩行を実証する広範囲な数値シミュレーションにより検証された。
論文 参考訳（メタデータ） (2026-07-02T01:09:09Z) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - Safety-Critical Centralized Nonlinear MPC for Cooperative Payload Transportation by Two Quadrupedal Robots [3.7624387468002483]
相互接続型ロボットペイロードシステムは離散時間非線形微分代数系としてモデル化される。
我々は,ロボットとペイロードの衝突回避制約を強制する制御障壁関数(CBF)に基づくNMPC式を開発した。
提案手法は、決定変数として相互作用のレンチを保ち、構造化されたDAE制約の最適制御問題をもたらす。
論文 参考訳（メタデータ） (2026-04-03T17:19:47Z) - 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) - ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。
本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
論文 参考訳（メタデータ） (2026-03-07T08:06:51Z) - Safe Consensus of Cooperative Manipulation with Hierarchical Event-Triggered Control Barrier Functions [3.288997322330816]
本稿では、階層型イベントトリガー制御バリア機能(CBF)を介して、安全保証とのコンセンサス調整を実現する分散制御フレームワークを提案する。
その結果、厳密な安全制約下での高精度な協調が示され、ベースライン法に比べて計算コストと通信周波数が大幅に削減された。
論文 参考訳（メタデータ） (2026-03-06T15:09:07Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。
離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。
本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文 参考訳（メタデータ） (2025-08-27T17:59:36Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Federated Learning on the Road: Autonomous Controller Design for
Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案
CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。
最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文 参考訳（メタデータ） (2021-02-05T19:57:47Z)
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。