論文の概要: Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems

• arxiv url: http://arxiv.org/abs/2608.20655v1
• Date: Fri, 21 Aug 2026 01:25:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.333687
• Title: Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems
• Title（参考訳）: 微分平板固定翼空気系の軌道追従の非線形モデル予測制御
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.655837620295535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Planning and control of fixed-wing Unmanned Aerial Vehicles (UAVs) are challenging due to nonlinear dynamics, aerodynamic limits, and environmental disturbances. Differential flatness offers a principled way to generate fast, feasible trajectories, but its use has largely been confined to model-free controllers, which lack predictive capabilities and demand tuning. In this paper, we propose a unified framework that integrates differential flatness-based trajectory generation with Nonlinear Model Predictive Control (NMPC), combining computationally efficient planning with predictive, constraint-aware control. To further improve robustness, we introduce a wind-aware sampling strategy embedded within the NMPC framework, enabling the generation of dynamically feasible reference trajectories that proactively account for wind disturbances while strictly enforcing aerodynamic and control input constraints. We validate the proposed framework through extensive simulations and real-world flight experiments, demonstrating improved tracking accuracy and robustness for complex trajectories, particularly when using the proposed wind-aware sampling strategy under strong wind conditions.
• Abstract（参考訳）: 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。 微分平坦性は、高速で実現可能な軌道を生成するための原則的な方法を提供するが、その用途は予測能力や需要調整に欠けるモデルレスコントローラに限られている。 本稿では,微分平坦性に基づく軌道生成と非線形モデル予測制御(NMPC)を統合し,計算効率の高い計画と予測的制約認識制御を組み合わせた統合フレームワークを提案する。 強靭性をさらに向上するため,NMPCフレームワークに組み込んだ風向サンプリング戦略を導入し,風速や制御の制約を厳格に抑えつつ,風の乱れを積極的に考慮し,動的に実現可能な基準トラジェクトリの生成を可能にする。 提案手法は, 強風環境下での風向きサンプリング手法を用いて, 複雑な軌道の追尾精度とロバスト性の向上を実証し, 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)
• Machine Learning-based Feedback Linearization Control of Quadrotor Subject to Unmodeled Dynamics [0.0]
  この研究は、新しい機械学習ベースのフィードバック線形化制御フレームワークを導入している。 RBF NNのオンライン適応は、事前トレーニングなしでネットワークの重みを更新する。 提案した制御器は、高速収束による軌道追跡を改善し、位置ノルムおよびヨー方向RMSEをそれぞれ7.13%以上、49.27%以上削減する。
  論文  参考訳（メタデータ） (2026-06-30T06:30:19Z)
• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• Fixed-Time Dynamic Landing of Quadrotors using Adaptive Unscented Kalman Filtering and Nonlinear Model Predictive Control [0.0]
  本稿では,移動プラットフォーム上でのマルチロータ無人航空機の動的着陸を推定・制御するためのフレームワークを提案する。 提案手法は,非線形モデル予測制御を実時間最小軌道プランナと統合する。 EKF/UKF法と比較して、繰り返し着地し、プラットフォーム速度予測精度を向上させることが示されている。
  論文  参考訳（メタデータ） (2026-06-01T06:05:34Z)
• Physics-infused Learning for Aerial Manipulator in Winds and Near-Wall Environments [3.895172208362693]
  空中操作(AM)は、受動的観測から高高度およびその他の到達不能な環境での接触操作まで、UAV能力を拡大する。 本稿では,物理に基づくブレード要素モデルと学習に基づく残留力推定器を統合し,外乱補償のためのロータ速度割当戦略を組み込むことにより,統一的な制御フレームワークを実現する。 その結果, 従来の手法よりも外乱推定と軌道追跡精度が向上し, 困難な空力条件下でのロバストな壁面接触実行が可能となった。
  論文  参考訳（メタデータ） (2026-03-08T22:08:15Z)
• Custom Non-Linear Model Predictive Control for Obstacle Avoidance in Indoor and Outdoor Environments [0.0]
  本稿では,DJI行列100のための非線形モデル予測制御(NMPC)フレームワークを提案する。 このフレームワークは様々なトラジェクトリタイプをサポートし、厳密な操作の精度を制御するためにペナルティベースのコスト関数を採用している。
  論文  参考訳（メタデータ） (2024-10-03T17:50:19Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• 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)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• 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)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。