論文の概要: DR-MPC: Fast and Feasible Dynamics-Relaxed Model-Predictive Control for Legged Locomotion

• arxiv url: http://arxiv.org/abs/2609.20035v1
• Date: Thu, 17 Sep 2026 10:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.232364
• Title: DR-MPC: Fast and Feasible Dynamics-Relaxed Model-Predictive Control for Legged Locomotion
• Title（参考訳）: DR-MPC:高速かつ実現可能な動的緩和モデル予測制御
• Abstract要約: そこで本研究では,足の移動を予測するための動的緩和モデル予測制御(DR-MPC)を提案する。 本手法は,HPIPMよりも16.0times$,OSQPより4.4times$の平均的なエンドツーエンドMPC高速化を実現する。 DR-MPCは、MPCのエンド・ツー・エンドの中央値の4.4$msを達成し、Unitree Go1の4倍の精度で検証される。
• 参考スコア（独自算出の注目度）: 8.99497439221796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents dynamics-relaxed model predictive control (DR-MPC), a novel MPC formulation for legged locomotion, and a tailored interior-point method (IPM) solver. The formulation combines online optimization feasibility by construction with a contact-aware input parameterization. DR-MPC moves the dynamics equality and affine input constraints into quadratic penalties and retains only nonempty box constraints. The resulting box-constrained quadratic program (QP) has a block-arrow Hessian that enables the state and affine-output directions to be eliminated through a Schur complement. The solver factors only the reduced control system after swing-force elimination and contact-aligned move blocking. For the evaluated implementations using the same DR-MPC formulation, our method achieves median end-to-end MPC speedups of $16.0\times$ over HPIPM and $4.4\times$ over OSQP, with comparable locomotion performance in simulation. DR-MPC achieves a median onboard MPC end-to-end time of $4.4$ ms and is validated on a Unitree Go1 quadruped. Open-source code will be made available after publication.
• Abstract（参考訳）: 本稿では, 動的緩和モデル予測制御(DR-MPC), 脚移動のための新しいMPC定式化, インテリアポイント法(IPM)の解法を提案する。 この定式化は、接続対応の入力パラメータ化と構築によるオンライン最適化の実現可能性を組み合わせたものである。 DR-MPCは動的等式とアフィン入力制約を2次罰則に移行し、空でないボックス制約のみを保持する。 結果として得られるボックス制約二次プログラム (QP) は、状態とアフィン出力方向をシュア補数によって排除できるブロックロー・ヘシアンを持つ。 解法器は、揺動力除去及び接触整合移動遮断後の制御系を減少させるのみを判断する。 同じDR-MPC定式化を用いた評価実装では,HPIPMよりも16.0\times$,OSQPより4.4\times$の中央値のMPC高速化を実現する。 DR-MPCは、MPCのエンド・ツー・エンドの中央値の4.4$msを達成し、Unitree Go1の4倍の精度で検証される。 オープンソースコードは公開後に利用可能になる。

関連論文リスト

• PRISM: Projection-Integrated Sampling-Based MPC with Bayesian Cost Tuning for Bimanual Manipulation [1.9669271611151167]
  乱雑で接触に富んだ環境での双方向操作には、協調した動きの生成、相互作用を考慮した計画、厳密なキネマティック制約下での信頼性の高い実行が必要である。 複雑なデュアルアーム操作のためのオンラインワールドモデルとして,GPU加速物理シミュレータを用いたプロジェクション統合サンプリングベースモデル予測制御フレームワークであるPRISMを提案する。
  論文  参考訳（メタデータ） (2026-08-26T11:47:12Z)
• 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)
• Real-Time Rulebook-Aware Nonlinear MPC for Autonomous Driving with Priority-Biased Tiered Slacks [0.8363171780853939]
  W-SQPは重み付きタイレッドスラック非線形モデル予測制御器(NMPC)である We present W-SQP, a weighted tiered-slack non model predictive controller (NMPC)。 We present W-SQP, a weighted tiered-slack non model predictive controller (NMPC)。
  論文  参考訳（メタデータ） (2026-07-13T00:40:27Z)
• Cost-Matching Model Predictive Control for Efficient Reinforcement Learning in Humanoid Locomotion [15.125805248577278]
  モデル予測制御(MPC)に基づく強化学習フレームワークにおいて,最適なヒューマノイド移動のためのコストマッチング手法を提案する。 高忠実度閉ループデータから得られる作用値関数を近似するために、遠心力学を用いたパラメータ化MPC定式化を訓練する。 その結果, モデルミスマッチと外乱に対するロコモーション性能とロバスト性の改善が示された。
  論文  参考訳（メタデータ） (2026-03-30T10:05:15Z)
• Fine-Tuning of Neural Network Approximate MPC without Retraining via Bayesian Optimization [81.35990332700389]
  近似モデル予測制御(AMPC)は、MPCの動作をニューラルネットワークで模倣することを目的としている。 デプロイメント中、基盤となるMPCのパラメータは通常、微調整されなければならない。 最近の研究は、MPC最適化問題の近似感度を用いてAMPCを調整することなく適用することでこの問題に対処している。
  論文  参考訳（メタデータ） (2025-12-16T12:24:08Z)
• 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)
• Introducing a Deep Neural Network-based Model Predictive Control Framework for Rapid Controller Implementation [41.38091115195305]
  本研究は、HCCI燃焼制御のためのディープニューラルネットワーク(DNN)に基づく非線形MPCの実験的実装を示す。 ARM Cortex A72上のMPCのリアルタイム実装を可能にするために、Acadosソフトウェアパッケージを使用することで、最適化計算は1.4ms以内で完了する。 現像した制御器のIMEP軌道は, プロセス制約の観測に加えて, 根平均2乗誤差0.133バールで良好であった。
  論文  参考訳（メタデータ） (2023-10-12T15:03:50Z)
• AgFlow: Fast Model Selection of Penalized PCA via Implicit Regularization Effects of Gradient Flow [64.81110234990888]
  主成分分析(PCA)は特徴抽出と次元減少の有効な手法として広く用いられている。 High Dimension Low Sample Size (HDLSS) 設定では、ペナル化ロードを備えた修正主成分が好まれる。 ペナル化PCAの高速モデル選択法として近似勾配流(AgFlow)を提案する。
  論文  参考訳（メタデータ） (2021-10-07T08:57:46Z)
• Finite-time System Identification and Adaptive Control in Autoregressive Exogenous Systems [79.67879934935661]
  未知のARXシステムのシステム識別と適応制御の問題について検討する。 我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
  論文  参考訳（メタデータ） (2021-08-26T18:00:00Z)
• Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
  本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。 モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
  論文  参考訳（メタデータ） (2021-02-24T01:11:25Z)

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。