論文の概要: Real-Time Nonlinear MPC via Sequential Quadratic Programming with Structure-Exploiting ADMM and Interior-Point Methods for Underactuated Double-Pendulum Swing-Up

• arxiv url: http://arxiv.org/abs/2608.09272v1
• Date: Mon, 10 Aug 2026 08:28:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.149691
• Title: Real-Time Nonlinear MPC via Sequential Quadratic Programming with Structure-Exploiting ADMM and Interior-Point Methods for Underactuated Double-Pendulum Swing-Up
• Title（参考訳）: 構造展開ADMMと内部点法を併用した逐次二次計画による実時間非線形MPC
• Abstract要約: 本稿では、逐次二次計画法を用いて実装された実時間非線形モデル予測制御を用いた最適制御に基づくアプローチを提案する。 その結果,提案したSQPベースのMPCコントローラは,障害に対するロバスト性を維持しつつ,信頼性の高いスワップアップと安定化性能を実現することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The 4th "AI Olympics with RealAIGym" competition, to be held at IJCAI-ECAI 2026 in Bremen, challenges participants to develop a global control policy for swinging up and stabilizing an underactuated two-link system in its upright position. In contrast to previous editions, participants develop and evaluate their control strategies directly on remotely accessible CloudPendulum hardware, with limited interaction time and without prior knowledge of the system's model parameters. This paper presents an optimal-control-based approach employing real-time nonlinear model predictive control implemented using sequential quadratic programming. The results demonstrate that the proposed SQP-based MPC controller achieves reliable swing-up and stabilization performance, while maintaining robustness against disturbances.
• Abstract（参考訳）: ブレーメンのIJCAI-ECAI 2026で開催される第4回「RealAIGymによるAIオリンピック」大会では、参加者が揺らぎ、不安定な2リンクシステムを直立位置で安定化するためのグローバルコントロールポリシーの開発に挑戦する。 以前のバージョンとは対照的に、参加者はリモートでアクセス可能なCloudPendulumハードウェア上で直接制御戦略を開発し、評価する。 本稿では、逐次二次計画法を用いて実装された実時間非線形モデル予測制御を用いた最適制御に基づくアプローチを提案する。 その結果,提案したSQPベースのMPCコントローラは,障害に対するロバスト性を維持しつつ,信頼性の高いスワップアップと安定化性能を実現することを示した。

関連論文リスト

• Real-Time Control-Constrained DDP for Underactuated Balancing of Legged Robots [0.28106259549258145]
  本稿では,不動脚ロボットのためのリアルタイム制御制約付き微分動的プログラミング(DDP)フレームワークを提案する。 我々の知る限りでは、これはリアルタイム有限水平MPCを用いて達成された四脚ロボットの静的二脚立位の最初の実演である。
  論文  参考訳（メタデータ） (2026-08-19T05:21:27Z)
• Bilinear Mamba-Koopman Neural MPC for Varying Dynamics [0.0]
  潜在力学における制御依存結合を導入した最小拡張であるBilinear Mamba-Koopman Neural MPCを提案する。 制御依存型潜伏力学は, 様々な条件下で頑健なMPCを実現する上で, シンプルかつ効果的であることを示す。
  論文  参考訳（メタデータ） (2026-05-06T11:44:43Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• 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)
• Lightweight Model Predictive Control for Spacecraft Rendezvous Attitude Synchronization [39.146761527401424]
  本研究は、2つの軽量モデル予測制御(MPC)アプローチを導入し、宇宙船のランデブー同期時の反応輪を用いた姿勢追跡を行う。 我々は単一ループとデュアルループMPCを開発し、後者は内部ループ内に安定化フィードバックコントローラを組み込み、線形時間不変システムを生成する。
  論文  参考訳（メタデータ） (2026-03-19T13:58:55Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• Multirotor Ensemble Model Predictive Control I: Simulation Experiments [0.0]
  アンサンブル表現されたガウス過程は、初期時間の最適利得を決定するために後方計算を行う。 端末制御と制御問題のためのEMPCを構築し、シミュレーション・同一双対研究の制御に適用する。
  論文  参考訳（メタデータ） (2023-05-22T01:32:17Z)
• Best of Both Worlds in Online Control: Competitive Ratio and Policy Regret [61.59646565655169]
  我々は,最近提案されたオンライン制御アルゴリズムが,両世界のベストを達成していることを示す。 線形力学系が未知の場合には, 準線形後悔対最適競争政策が達成可能であると結論づける。
  論文  参考訳（メタデータ） (2022-11-21T07:29:08Z)
• Policy Search for Model Predictive Control with Application to Agile Drone Flight [56.24908013905407]
  MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。 具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。 シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T17:39:24Z)
• Online Algorithms and Policies Using Adaptive and Machine Learning Approaches [0.22020053359163297]
  非線形力学系の2つのクラスが考慮され、どちらも制御アフィンである。 本稿では,外ループにおける強化学習に基づくポリシーの組み合わせを,名目力学の安定性と最適性を確保するために好適に選択する。 リアルタイム制御による安定性保証の確立に加えて、AC-RLコントローラは、持続的な励振を伴うパラメータ学習につながることも示している。
  論文  参考訳（メタデータ） (2021-05-13T22:51:25Z)
• Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
  線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。 楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。 高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
  論文  参考訳（メタデータ） (2020-06-19T08:58:57Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。