論文の概要: ASTRIL-MPC: Autonomous Traversal Framework of Articulated Tracked Robots with Language-Guided Neural-Kinematic MPC

• arxiv url: http://arxiv.org/abs/2609.13083v2
• Date: Tue, 15 Sep 2026 12:54:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.077264
• Title: ASTRIL-MPC: Autonomous Traversal Framework of Articulated Tracked Robots with Language-Guided Neural-Kinematic MPC
• Title（参考訳）: ASTRIL-MPC:言語誘導ニューラルキネマティックMPCを用いた人工追尾ロボットの自律走行フレームワーク
• Abstract要約: 都市検索と救助において、関節付き追跡ロボット(ATR)は、構造的だが接触に富んだ環境を横切る必要がある。 本稿では,言語誘導型ニューラルキネマティクスモデル予測制御フレームワークであるASTRIL-MPCを提案する。
• 参考スコア（独自算出の注目度）: 10.434774696873793
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In urban search and rescue, articulated tracked robots (ATRs) must traverse structured but contact-rich environments such as stairwells and cluttered building interiors. Reliable autonomy remains challenging because robot-terrain interaction (RTI) is hybrid and discontinuous, and effective flipper-track coordination is difficult to model analytically. We present ASTRIL-MPC, a language-guided neural kinematics model predictive control (MPC) framework for autonomous traversal. A learned kinematics model predicts short-horizon task-state increments from a height sequence and recent trajectories; NMPC plans with multi-objective costs and strict feasibility constraints; and a large language model (LLM) proposes bounded updates to selected weights and bounds through a safety-checked interface with range clipping, rate limiting, and consistency checks. The compiled predictor enables a full control cycle within 100 ms. Across three traversal tasks and a multi-height generalization setting, ASTRIL-MPC improves an aggregate traversal-quality score by up to 71% over a non-adaptive NMPC and by 67% over a PPO baseline, while eliminating measurable collision impacts during descent. These results indicate that combining learned kinematics, optimization-based planning, and language-guided retuning yields data-efficient and robust autonomy for articulated tracked robots.
• Abstract（参考訳）: 都市での捜索と救助では、関節付き追尾ロボット(ATR)は、階段や散らばった建物内部などの接触の多い環境を横切る必要がある。 ロボット・テランの相互作用(RTI)はハイブリッドで不連続であり、効果的なフリップパー・トラック調整は解析的にモデル化することが難しいため、信頼性の高い自律性は依然として困難である。 本稿では,自律走行のための言語誘導ニューラルキネマティクスモデル予測制御(MPC)フレームワークであるASTRIL-MPCを提案する。 学習されたキネマティクスモデルは、高さシーケンスと最近の軌跡から短時間のタスク状態の増分を予測し、NMPCは、多目的コストと厳密な実現可能性制約を持つ計画であり、大規模言語モデル(LLM)は、レンジクリッピング、レート制限、整合性チェックを備えた安全チェックされたインターフェースを通じて、選択されたウェイトとバウンダリのバウンド更新を提案する。 ASTRIL-MPCは、非適応NMPCで最大71%、PPOベースラインで最大67%改善し、降下時の測定可能な衝突の影響を排除した。 これらの結果は,学習したキネマティクス,最適化に基づく計画,言語指導による調整を組み合わせることで,音声追跡ロボットに対するデータ効率とロバストな自律性が得られることを示唆している。

関連論文リスト

• TSCA-Net: Temporal-Spatial Clique Attention for Interpretable Multimodal Pedestrian Trajectory Prediction [1.3612214163974456]
  3つの相補的なモジュール上に構築された軌道予測フレームワークであるTSCA-Netを提案する。 TSCA(Temporal-Spatial Clique Attention)モジュールは、clique-based goal-history interactionに学習可能な時間ゲーティングを導入する。 クロスペデストリアン傾斜ポテンシャル(CPCP)モジュールは、動的傾きポテンシャルフレームワークを通じて非対称な対のエージェント関係をモデル化する。 Adaptive Kan Grid Refinement (AKGR) 機構は、エージェントごとのゴール分布エントロピーに基づいて、コルモゴロフ・アルノルドネットワーク拡張LSTMデコーダのBスプライングリッド解像度を動的に調整する。
  論文  参考訳（メタデータ） (2026-07-11T08:32:02Z)
• Multi-Rate Nonlinear Model Predictive Control for Wall-Supported Bipedal Locomotion of Quadrupedal Robots [3.2625979527355784]
  マルチレート非線形モデル予測制御(MR-NMPC)に基づく新しい階層型計画制御フレームワークを提案する。 四足歩行ロボットは、制約のある環境で壁支援でハイブリッド二足歩行を行うことができる。 提案手法は,Unitree A1ロボットのロバストな壁支援二足歩行を実証する広範囲な数値シミュレーションにより検証された。
  論文  参考訳（メタデータ） (2026-07-02T01:09:09Z)
• 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)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Predictive Control with Indirect Adaptive Laws for Payload Transportation by Quadrupedal Robots [36.62645789321095]
  本稿では,四足歩行ロボットによるロバストペイロード輸送のための新しい階層的計画と制御フレームワークを開発する。 間接アダプティブ法則は、異なるペイロードの下での縮小順序(テンポレート)移動モデルの未知のパラメータを推定する。 ロボットは、荒れた地形で重量の73%のダイナミックペイロードをうまく管理する。
  論文  参考訳（メタデータ） (2026-03-09T18:43:31Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
  本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。 我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。 ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:35Z)
• Multi-Waypoint Path Planning and Motion Control for Non-holonomic Mobile Robots in Agricultural Applications [0.0]
  無人移動ロボットは、非構造農業環境をナビゲートできるという需要が高まっている。 草地における雑草制御のようなタスクは、順序のない座標の集合を通して効率的な経路計画を必要とする。 本稿では,Dubins Traveling Salesman問題に基づくグローバルパスプランナを組み合わせた統合ナビゲーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-31T08:56:24Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。