論文の概要: Multi-Agent Transportation of Free-Flyers in Microgravity Via Pushing Interaction Under Human-in-the-Loop Control
- arxiv url: http://arxiv.org/abs/2609.24376v1
- Date: Mon, 21 Sep 2026 10:07:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 15:37:12.245051
- Title: Multi-Agent Transportation of Free-Flyers in Microgravity Via Pushing Interaction Under Human-in-the-Loop Control
- Title（参考訳）: 微小重力場におけるフリーフライアのマルチエージェント輸送
- Abstract要約: 微小重力下での受動目標の協調輸送のための安全クリティカルな枠組みを提案する。
チェッカーロボットのチームは、一方的なプッシュコンタクトを通して、人間が提供するねじれを追跡しながら、安全な目標運動を保証する。
制御リアプノフ関数(CLF)と制御バリア関数(CBF)の制約を利用した遅延認識フィードバック制御アーキテクチャを定式化する。
- 参考スコア（独自算出の注目度）: 20.39858630553325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a safety-critical framework for the cooperative transportation of passive targets in microgravity, where a team of chaser robots acts through unilateral pushing contacts to track a human-provided desired twist while ensuring safe target motion. The pushing-only nature of the interaction introduces sparse, configuration-dependent actuation constraints requiring chasers to physically relocate on the target body when the desired pushing allocation changes. To address these challenges, we formulate a delay-aware feedback control architecture leveraging Control Lyapunov Function (CLF) and Control Barrier Function (CBF) constraints within a mixed-integer thrust allocation program to enforce stability and safety of the target, respectively. The proposed framework enables reference tracking while guaranteeing obstacle avoidance with a circular obstacle despite intermittent control authority, providing a foundation for human-supervised cooperative transportation of free-flyers in space environments. The proposed framework is validated through Gazebo simulations.
- Abstract（参考訳）: 本研究では,マイクログラビティにおける受動目標の協調輸送のための安全クリティカルな枠組みを提案する。
相互作用のプッシュオンリーの性質は、所望のプッシュアロケーションが変更されたときに、チェッカーが物理的にターゲット体に移動する必要がある、スパースで構成に依存したアクティベーション制約を導入する。
これらの課題に対処するために,制御リャプノフ関数(CLF)と制御バリア関数(CBF)の制約を併用した遅延認識フィードバック制御アーキテクチャを,混合整数推力割り当てプログラム内で定式化し,目標の安定性と安全性をそれぞれ強化する。
提案フレームワークは、間欠的な制御権限にもかかわらず、円形障害物による障害物回避を保証しつつ、参照追跡を可能にし、宇宙環境におけるフリーフライアの人間による協調輸送の基盤を提供する。
提案手法はGazeboシミュレーションにより検証した。
関連論文リスト
- Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳（メタデータ） (2026-07-22T16:37:05Z) - Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions [45.68209588239261]
本研究は,多目的ロボットのフットプリントが凸自由空間領域内に留まることを保証する安全な局所運動計画制御手法を提案する。
提案された自由空間定式化では障害物検出やセグメンテーションは不要である。
このアプローチは、自動運転車と非ホロノミックな移動ロボットによるハードウェアによるシミュレーションで検証されている。
論文 参考訳（メタデータ） (2026-06-08T16:44:28Z) - Safety-Critical Whole-Body Control for Humanoid Robots via Input-to-State Safe Control Barrier Functions [6.59514190732471]
本稿では,ヒューマノイドロボットのための階層型安全クリティカル全身制御フレームワークを提案する。
提案アーキテクチャは,キネマティック・ボディー・コントローラ(KinWBC),ISSf-CBFセーフティフィルタ,ダイナミック・ボディー・コントローラ(DynWBC)を統合している。
論文 参考訳（メタデータ） (2026-05-25T08:02:30Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。
提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。
このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
論文 参考訳（メタデータ） (2026-04-27T14:20:10Z) - 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) - BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。
BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
論文 参考訳（メタデータ） (2026-02-23T18:19:46Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field [0.0]
本論文は,無人航空機(UAV)の空域における自律衝突回避の課題について論じる。
それは新しい方向と相対速度重み付き人工電位場(APF)を提案する。
このアプローチでは、障害物の方向と速度に基づいて反発電位を動的にスケールするために、有界重み関数$(,v_e)$を導入している。
論文 参考訳（メタデータ） (2025-12-08T14:57:01Z) - Soft Actor-Critic-based Control Barrier Adaptation for Robust Autonomous Navigation in Unknown Environments [4.788163807490197]
制御バリア関数(CBF)の制約パラメータを実行時に適用するためのソフトアクタ・クリティカル(SAC)ベースのポリシーを提案する。
我々は,本フレームワークがCBF制約を効果的に適用し,ロボットが安全性を損なうことなく最終目標に達することを実証した。
論文 参考訳（メタデータ） (2025-03-11T14:33:55Z) - 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)
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。