論文の概要: Risk-Aware Motion Planning and Control under Unknown Dynamics with Hybrid Observations

• arxiv url: http://arxiv.org/abs/2609.23792v1
• Date: Sun, 20 Sep 2026 18:26:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:20:57.556445
• Title: Risk-Aware Motion Planning and Control under Unknown Dynamics with Hybrid Observations
• Title（参考訳）: ハイブリッド観測による未知ダイナミクス下におけるリスク対応運動計画と制御
• Abstract要約: 我々は,ハイブリッド状態観測による未知のダイナミクスの下でのロボットの動作計画と制御を考察する。 我々は、観測が失われる前に、名目力学を選択し、オープンループ制御シーケンスをプリ計算することで、盲点に対処する。 ケーススタディでは、経路効率と視覚障害領域の移動に伴うリスクのバランスを保ちながら、ロボットを初期状態から目標へと誘導する手法が示されている。
• 参考スコア（独自算出の注目度）: 2.857551605623957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider robotic motion planning and control under unknown dynamics with hybrid state observations, where state measurements are available only in parts of the state space. Existing work combines system identification, predicted reachability, graph search and controller synthesis in a hierarchical framework using local affine approximated models over polytopic state space partitioning, but requires state observations for identification and feedback control. Based on this framework, we address blind regions by selecting nominal dynamics and precomputing open-loop control sequences before observation is lost. Since the true dynamics may differ from the selected nominal model, the robot may exit a blind polytope through an unintended facet. We quantify this transition risk and incorporate the possible outcomes into a stochastic transition system. The high-level planning problem is formulated as a stochastic shortest path problem, whose policy guides controller synthesis. A case study demonstrates that the method guides the robot from an initial state to a target while balancing route efficiency and the risks associated with traversing blind regions.
• Abstract（参考訳）: 我々は、状態測定が状態空間の一部でのみ利用可能となるような、ハイブリッド状態観測を伴う未知の動的条件下でのロボットの動作計画と制御について検討する。 既存の作業は、多相状態空間分割上の局所アフィン近似モデルを用いた階層的なフレームワークにおけるシステム識別、予測到達可能性、グラフ探索、コントローラ合成を組み合わせたものであるが、識別とフィードバック制御には状態観察が必要である。 この枠組みに基づいて、観測が失われる前に、名目力学を選択し、オープンループ制御列を事前計算することで、盲点に対処する。 真のダイナミクスは選択された名目モデルとは異なる可能性があるため、ロボットは意図しない顔を通して盲目のポリトープを脱出することができる。 この遷移リスクを定量化し、確率的遷移システムにその結果を組み込む。 高レベル計画問題は確率的最短経路問題として定式化され、そのポリシーは制御器合成を導く。 ケーススタディでは、経路効率と視覚障害領域の移動に伴うリスクのバランスを保ちながら、ロボットを初期状態から目標へと誘導する手法が示されている。

関連論文リスト

• 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)
• Hierarchical Motion Planning and Control under Unknown Nonlinear Dynamics via Predicted Reachability [2.857551605623957]
  未知の非線形力学の下での自律的な運動計画には、目標に向かってナビゲートしながら学習システムの特性が必要である。 我々は,事前のシステム知識を限定したオンライン動作合成を可能にする階層的計画制御フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-03-31T23:36:11Z)
• Online Generation of Collision-Free Trajectories in Dynamic Environments [0.9596789853473943]
  状態列で表される任意の幾何経路を対応する運動可能軌道に変換するオンライン手法を提案する。 ユーザが指定した制御速度で離散化して低レベルロボットコントローラにストリームできるクインティック/クアティック・スプラインのシーケンスを生成する。 実際のロボットの実験では、提案手法が人間の存在を含む現実のシナリオで使用できることを示した。
  論文  参考訳（メタデータ） (2026-02-28T18:04:50Z)
• Ensuring Force Safety in Vision-Guided Robotic Manipulation via Implicit Tactile Calibration [18.183151257773886]
  本稿ではSafeDiffと呼ばれる新しい状態拡散フレームワークを紹介する。 これにより、現在のロボットの状態と視覚的コンテキスト観察から予測状態列を生成する。 リアルタイムの触覚フィードバックを組み込んでシーケンスを洗練させる。 実験では, 視覚触覚モデルにより, ドア開口部の有害な力の危険性が著しく軽減された。
  論文  参考訳（メタデータ） (2024-12-13T18:45:26Z)
• Model Checking for Closed-Loop Robot Reactive Planning [0.0]
  モデル検査を用いて、ディファレンシャルドライブホイールロボットの多段階計画を作成することにより、即時危険を回避できることを示す。 簡単な生物エージェントのエゴセントリックな反応を反映した,小型で汎用的なモデル検査アルゴリズムを用いて,リアルタイムで計画を生成する。
  論文  参考訳（メタデータ） (2023-11-16T11:02:29Z)
• Active Uncertainty Reduction for Safe and Efficient Interaction Planning: A Shielding-Aware Dual Control Approach [9.07774184840379]
  本稿では,暗黙的二重制御パラダイムに基づく対話型動作計画における能動的不確実性低減を実現するアルゴリズムを提案する。 提案手法は, 動的プログラミングのサンプリングに基づく近似に依拠し, リアルタイム勾配最適化法で容易に解けるモデル予測制御問題に導かれる。
  論文  参考訳（メタデータ） (2023-02-01T01:34:48Z)
• 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)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。