論文の概要: Global Sensitive-Based Input Shaping for UAV-Payload Precision Motion Control

• arxiv url: http://arxiv.org/abs/2607.26717v1
• Date: Wed, 29 Jul 2026 10:07:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.619595
• Title: Global Sensitive-Based Input Shaping for UAV-Payload Precision Motion Control
• Title（参考訳）: UAV装荷精密動作制御のための大域的高感度入力整形
• Abstract要約: 本研究では,3次元無人航空機載荷システムにおけるグローバル感度に基づく入力整形器の包括的解析と設計について述べる。 提案手法は、コントローラ設計におけるShapley値の概念を利用して不確実性を体系的に説明し、未知のパラメータに対するコントローラの感度を低下させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents a comprehensive analysis and design of global sensitivity-based input shapers for a 3D Unmanned Aerial Vehicle-payload system, emphasizing robustness against uncertainties in payload mass and rope length. The proposed approach also leverages the Shapley value concept in controller design to systematically account for uncertainties, thereby reducing the controller's sensitivity to unknown parameters. To validate the effectiveness of the methodology, numerical simulations are conducted, comparing the proposed controller against non-robust, robust, and minimax designs. The results demonstrate that the standard global sensitivity or Shapley-based input shapers improve performance and offer a promising framework for uncertainty-aware control in aerial payload transport.
• Abstract（参考訳）: 本研究は,3次元無人航空機載荷システムにおけるグローバル感度に基づく入力整形器の包括的解析と設計を行い,ペイロード質量およびロープ長さの不確実性に対するロバスト性を強調した。 提案手法は、コントローラ設計におけるShapley値の概念を利用して不確実性を体系的に説明し、未知のパラメータに対するコントローラの感度を低下させる。 提案手法の有効性を検証するため,提案手法を非破壊性,ロバスト性,ミニマックス設計と比較し,数値シミュレーションを行った。 その結果,標準的なグローバル感度やシェープ方式の入力整形器の性能向上が図られ,航空ペイロード輸送における不確実性を考慮した制御のための有望なフレームワークが提供される。

関連論文リスト

• AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
  6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。 本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
  論文  参考訳（メタデータ） (2026-08-12T08:42:05Z)
• FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation [38.97192455287927]
  本文は, 強靭な航空操作のための新しい枠組みを提示する。 提案システムでは,視力に基づく初期慣性推定モジュールとポストグラフ適応機構を統合した。 制御のために、ゲインスケジューリングに基づく慣性を考慮した適応制御戦略を開発する。
  論文  参考訳（メタデータ） (2026-01-30T08:02:33Z)
• QP-Based Control of an Underactuated Aerial Manipulator under Constraints [1.5984927623688912]
  本稿では,未作動航空機マニピュレータの制約対応制御フレームワークを提案する。 安全と実現可能性の制約を明確に考慮しながら、正確なエンドエフェクタ軌道追跡を可能にする。
  論文  参考訳（メタデータ） (2026-01-13T13:05:36Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems [0.8411385346896411]
  本研究では,動的・複雑環境下での自律的四角形ナビゲーションのためのトラジェクトリトラッカーを提案する。 提案フレームワークは,未知の空力効果に対する分散強化学習推定器をモデル予測制御器に統合する。 我々は,未知かつ多様な空気力を用いて,累積追従誤差を少なくとも66%改善するシステムを実証した。
  論文  参考訳（メタデータ） (2022-05-14T23:27:38Z)
• Robust Data-Driven Output Feedback Control via Bootstrapped Multiplicative Noise [1.0312968200748118]
  本稿では,データ駆動型出力フィードバック制御アルゴリズムを提案する。 提案手法の主な利点は、システム識別とロバストな制御設計手順の両方が不確実性表現を使用することである。 提案したロバストなデータ駆動型出力フィードバック制御器は,数値実験により,一定の等価な制御器を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-05-10T18:47:14Z)
• Regret-optimal Estimation and Control [52.28457815067461]
  後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。 非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
  論文  参考訳（メタデータ） (2021-06-22T23:14:21Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• Improving Input-Output Linearizing Controllers for Bipedal Robots via Reinforcement Learning [85.13138591433635]
  入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。 本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
  論文  参考訳（メタデータ） (2020-04-15T18:15:49Z)
• Robust Learning-Based Control via Bootstrapped Multiplicative Noise [0.0]
  本稿では,このような非漸近的不確かさを制御設計に明示的に組み込む頑健な適応制御アルゴリズムを提案する。 提案手法の主な利点は、システム識別とロバストな制御設計手順の両方が不確実性表現を使用することである。
  論文  参考訳（メタデータ） (2020-02-24T04:12:52Z)

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。