論文の概要: Safety-aware Model Predictive Path Integral Control with Signal Temporal Logic
- arxiv url: http://arxiv.org/abs/2608.23972v1
- Date: Tue, 25 Aug 2026 02:00:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.748189
- Title: Safety-aware Model Predictive Path Integral Control with Signal Temporal Logic
- Title（参考訳）: 信号時間論理を用いた安全対応モデル予測経路積分制御
- Abstract要約: 提案手法は, サンプリング・ベース・リレーディング・ホライゾン・プランニング・フレームワークであるセーフティ・アウェア・ストル-mppiを提案する。
提案手法は離散時間STL式を候補時間変化制御バリア関数に符号化する。
- 参考スコア（独自算出の注目度）: 9.67332310753527
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safety-aware motion planning remains a challenge in robotics, especially when missions are time-critical and are under complex specifications. In this paper, we propose safety-aware-stl-mppi, a computationally efficient sampling-based receding-horizon planning framework designed to promote satisfaction of constraints expressed in Signal Temporal Logic (STL). Our approach encodes discrete-time STL formulas into candidate time-varying control barrier functions (CBF), which are integrated into a model predictive path integral (MPPI) controller. Our method inherits the benefits of low computational cost from an efficiently parallelizable sampling based planner and utilizes CBF for constraints expressed in STL. We compare against several MPPI baselines using four artificial Mars Rover planning case studies with a diverse environment and cost setups, where we show our method consistently achieving high safety and efficiency. We show a quadcopter planning experiment with NVIDIA Isaac Lab.
- Abstract（参考訳）: 安全を意識したモーションプランニングは、特にミッションがタイムクリティカルで複雑な仕様の下にある場合、ロボット工学において依然として課題である。
本稿では,STL(Signal Temporal Logic)で表現される制約の満足度向上を目的とした,計算効率のよいサンプリングベース回帰水平計画フレームワークであるSafety-Aware-stl-mppiを提案する。
提案手法では,離散時間STL式を候補時間変化制御障壁関数 (CBF) に符号化し,モデル予測経路積分 (MPPI) コントローラに統合する。
提案手法は,効率よく並列化可能なサンプリングベースプランナから低計算コストの利点を継承し,STLで表現される制約に対してCBFを利用する。
環境とコストの多様さを考慮した4つのMars Rover計画ケーススタディを用いて,MPPIのベースラインを比較した。
NVIDIA Isaac Labでクワッドコプター計画実験を行った。
関連論文リスト
- Feedback Motion Planning for Stochastic Nonlinear Systems with Signal Temporal Logic Specifications [25.484834028091083]
信号時間論理(STL)仕様下での連続時間非線形システムのフィードバック動作計画について検討する。
本稿では,確率制約付きSTL軌道最適化問題に対する制御ポリシを合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-04T09:02:16Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Beyond Short-Horizon: VQ-Memory for Robust Long-Horizon Manipulation in Non-Markovian Simulation Benchmarks [96.60530830276281]
RuleSafeは、スケーラブルなLLM支援シミュレーションフレームワーク上に構築された、新しいオペレーティングベンチマークである。
VQ-Memoryはベクトル量子化変分オートエンコーダを用いたコンパクトで構造化された時間表現である。
論文 参考訳（メタデータ） (2026-03-10T11:13:54Z) - STL-SVPIO: Signal Temporal Logic guided Stein Variational Path Integral Optimization [8.345095354174623]
Signal Temporal Logic (STL) は、ロボットタスク計画のための複雑な制約の正式な仕様化を可能にする。
本稿では,STLをグローバルな情報的,微分可能な報酬形成機構として再構成するSignal Vari Temporal Integral Optimization (STL-SVPIO)を紹介する。
STL-SVPIO は従来の STL タスクの堅牢性と効率性において,既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2026-03-06T00:53:38Z) - Multi-Robot Trajectory Planning via Constrained Bayesian Optimization and Local Cost Map Learning with STL-Based Conflict Resolution [1.6243762297989983]
本稿では,信号時間論理(STL)仕様の下でのマルチロボット動作計画にキノダイナミック制約を適用した。
サンプルベースオンライン学習と正式なSTL推論を組み合わせた2段階のフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-06T00:03:18Z) - RRT$^η$: Sampling-based Motion Planning and Control from STL Specifications using Arithmetic-Geometric Mean Robustness [7.121834057343983]
RRT$は,時間点とサブ形式をまたいだロバストネス対策を統合するサンプリングベースの計画フレームワークである。
誘導信号が制限されたマルチ制約シナリオにおいて,従来のSTLロバスト性に基づくプランナよりも優れた性能を示す。
論文 参考訳（メタデータ） (2026-02-18T19:45:43Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z) - Signal Temporal Logic Neural Predictive Control [15.540490027770621]
本稿では,信号時相論理(STL)に規定される要件を満たすためにニューラルネットワークコントローラを学習する手法を提案する。
我々のコントローラは、トレーニングにおけるSTLロバストネススコアを最大化するために軌道のロールアウトを学習する。
バックアップポリシは、コントローラがフェールした場合の安全性を保証するように設計されています。
論文 参考訳（メタデータ） (2023-09-10T20:31:25Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Chance-Constrained Trajectory Optimization for Safe Exploration and
Learning of Nonlinear Systems [81.7983463275447]
学習に基づく制御アルゴリズムは、訓練のための豊富な監督を伴うデータ収集を必要とする。
本稿では,機会制約付き最適制御と動的学習とフィードバック制御を統合した安全な探索による最適動作計画のための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-05-09T05:57:43Z) - Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot
Locomotion [78.46388769788405]
我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。
誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
論文 参考訳（メタデータ） (2020-02-22T10:15:53Z)
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。