論文の概要: Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats
- arxiv url: http://arxiv.org/abs/2607.20352v1
- Date: Wed, 22 Jul 2026 16:37:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.157966
- Title: Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats
- Title（参考訳）: 自己再構成型ロボット船の安全確保を考慮した分散移動計画
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 76.98547580312116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aquatic self-reconfigurable robots must assemble into desired shapes while ensuring safe interactions among multiple agents. This paper proposes a hybrid framework that combines distributed Model Predictive Control (MPC) with Control Barrier Functions (CBFs) for multi-agent shape formation and reconfiguration. Given a desired shape and target assignment, a distributed MPC scheme, solved via the Alternating Direction Method of Multipliers (ADMM), computes coordinated trajectories through local optimization and information exchange. To ensure safety in real time, distributed CBF-based filters are applied to enforce inter-agent collision avoidance. The proposed approach leverages the predictive capabilities of MPC to mitigate local minima, while CBFs provide formal safety guarantees despite the nonconvexity of the underlying optimization problem. Simulation results with up to 25 agents and experimental validation with four physical robots demonstrate the effectiveness and scalability of the framework.
- Abstract（参考訳）: 水生自己再構成ロボットは、複数のエージェント間の安全な相互作用を確保しながら、望ましい形状に組み立てなければならない。
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。
所望の形状と目標割り当てを与えられた分散MPCスキームは、ALMM(Alternating Direction Method of Multipliers)によって解決され、局所最適化と情報交換によって座標軌道を計算する。
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、エージェント間衝突回避を強制する。
提案手法はMPCの予測能力を利用して局所最小化を緩和する一方、CBFは基礎となる最適化問題の非凸性にも拘わらず、正式な安全保証を提供する。
シミュレーションの結果、最大25のエージェントと4つの物理ロボットによる実験的な検証により、フレームワークの有効性とスケーラビリティが実証された。
関連論文リスト
- MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。
本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。
適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
論文 参考訳（メタデータ） (2026-08-02T10:05:50Z) - ADMM-Based Safety-Critical Distributed NMPC for Cooperative Transportation by Quadrupedal Robots [1.7032702581423906]
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。
論文 参考訳（メタデータ） (2026-07-18T23:44:03Z) - AI-Augmented Model Predictive Control for Safe and Adaptive Rendezvous and Proximity Operations [2.787067333542931]
本研究は,多エージェント対逆シナリオにおける自律宇宙船RPOのための適応型モデル予測制御(MPC)フレームワークを提案する。
このフレームワークは、モンテカルロシミュレーションにより、公式のKSPDG(Kerbal Space Program Differential Game)で評価された。
論文 参考訳（メタデータ） (2026-07-18T04:20:23Z) - Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy [51.758416625168]
ランダムな平滑化は、敵の摂動に対する堅牢性を証明するための強力なツールである。
本稿では,複雑な構成機構の認証のためのフレームワークを提案する。
複雑な脅威モデル下での堅牢性を証明するために複合メカニズムを使用するための原則的で一般的なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-05-20T22:17:29Z) - 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) - PCHC: Enabling Preference Conditioned Humanoid Control via Multi-Objective Reinforcement Learning [50.63196995993855]
多目的強化学習(MORL)を活用してPCHC(Preference-Conditioned Humanoid Control)を実現する新しいフレームワークを提案する。
当社のフレームワークは、単一の嗜好条件のポリシーを多種多様な行動を示すために有効である。
論文 参考訳（メタデータ） (2026-03-25T07:55:37Z) - 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) - Provably Safe Trajectory Generation for Manipulators Under Motion and Environmental Uncertainties [26.41382315967256]
本稿では,安全な最適動作計画の必要性に対処する,リスクバウンドな新しい動き計画フレームワークを提案する。
動作不確実性下でのロボットの状態分布を予測するために,剛性マニピュレータ深部クープマン演算子 (RM-DeKO) モデルを統合する。
次に,並列物理シミュレーションとSOS(Sum-of-squares)プログラミングを併用して,衝突リスクのきめ細かい形式的証明を行う,効率的な階層的検証手法を提案する。
論文 参考訳（メタデータ） (2026-03-10T01:48:48Z) - 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) - Learned Risk Metric Maps for Kinodynamic Systems [54.49871675894546]
本研究では,高次元力学系のコヒーレントリスクメトリクスをリアルタイムに推定するための学習型リスクメトリクスマップを提案する。
LRMMモデルは設計と訓練が簡単で、障害セットの手続き的生成、状態と制御のサンプリング、および関数近似器の教師付きトレーニングのみを必要とする。
論文 参考訳（メタデータ） (2023-02-28T17:51:43Z) - Covert Model Poisoning Against Federated Learning: Algorithm Design and
Optimization [76.51980153902774]
フェデレーテッド・ラーニング(FL)はパラメータ伝達中にFLモデルに対する外部攻撃に対して脆弱である。
本稿では,最先端の防御アグリゲーション機構に対処する有効なMPアルゴリズムを提案する。
実験の結果,提案したCMPアルゴリズムは,既存の攻撃機構よりも効果的で,かなり優れていることが示された。
論文 参考訳（メタデータ） (2021-01-28T03:28:18Z)
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。