Fugu-MT 論文翻訳(概要): Vision-based Underwater Formation Control With Input Saturations via Barrier Lyapunov Functions

論文の概要: Vision-based Underwater Formation Control With Input Saturations via Barrier Lyapunov Functions

arxiv url: http://arxiv.org/abs/2609.25917v1
Date: Tue, 22 Sep 2026 09:24:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-23 18:04:04.309001
Title: Vision-based Underwater Formation Control With Input Saturations via Barrier Lyapunov Functions
Title（参考訳）: バリアリアプノフ関数による入力飽和による視覚に基づく水中生成制御
Abstract要約: 完全作動水中ロボットの視覚制御のための通信不要フレームワークを提案する。提案手法はガゼボのリアルなSoftware-in-the-Loop (SITL) シミュレーションによって検証される。
参考スコア（独自算出の注目度）: 8.94286018892637
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we propose a communication-free framework for vision-based formation control of fully actuated underwater robots subject to sensing constraints, collision-avoidance requirements, and input saturations. Recentered barrier Lyapunov functions encode sensing and collision-avoidance constraints, while command-filtered backstepping extends the design to the second-order vehicle dynamics. The resulting control objective is enforced through a quadratic program that explicitly accounts for actuator limits. Conservative sensing domains provide margins from the physical limits and are adaptively relaxed when necessary, allowing temporary violation of the conservative bounds. The proposed approach is validated through realistic Software-in-the-Loop (SITL) simulations in Gazebo.
Abstract（参考訳）: 本研究では,完全作動型水中ロボットの視覚制御のための通信不要なフレームワークを提案する。近年のバリア・リャプノフは検知と衝突回避の制約を符号化し、コマンドフィルタのバックステッピングは2階の車両に設計を拡張している。結果として得られる制御目的は、アクチュエータの制限を明示的に説明する二次プログラムによって強制される。保守的な感覚ドメインは、物理的限界からのマージンを提供し、必要に応じて適応的に緩和され、保守的な境界を一時的に破ることができる。提案手法はガゼボのリアルなSoftware-in-the-Loop (SITL) シミュレーションによって検証される。

関連論文リスト

Multi-Agent Transportation of Free-Flyers in Microgravity Via Pushing Interaction Under Human-in-the-Loop Control [20.39858630553325]
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。
論文参考訳（メタデータ） (2026-09-21T10:07:57Z)
OcclusionCBF: Backup Control Barrier Functions for Safe Navigation Among Hidden Dynamic Obstacles [13.327838370494982]
OcclusionCBFは、バックアップ制御バリア関数を到達可能な占有率予測に拡張する安全フィルタである。我々は,ミリ秒スケールの計算により,応答性および閉塞性を考慮した予測ベースラインよりも優れたタスク成功を示す。
論文参考訳（メタデータ） (2026-09-06T02:31:47Z)
End-to-end Conditional Diffusion for Realistic and Controllable Visual Traffic Scenario Generation [59.188006170485046]
E2E-CDiffは、制御可能で現実的なシナリオ生成のためのエンドツーエンドの条件拡散フレームワークである。微分可能な誘導は速度を規制し、乾燥可能な領域のコンプライアンスを強制し、衝突回避や衝突回避行動をサポートする。 E2E-CDiffは、学習ベースのエゴプランナーとしても競争力がある。
論文参考訳（メタデータ） (2026-07-21T02:13:25Z)
Input-Constrained Spatiotemporal Tubes for Safe Navigation of Unknown Euler-Lagrange Systems in Dynamic Environments [2.7222301668137483]
本稿では,有限時間到達型時空間航法(FT-RAS)を保証した未知視システムのためのリアルタイム制御フレームワークを提案する。我々は,制御制約を入力として制御器の設計に拡張し,制御権限を管の設計と利用可能な不確実性に関連付けるオフライン検証可能な条件を導出する。提案手法は, 移動ロボット, 四極子, 宇宙船のシミュレーションと, アクチュエータの制約を満たすとともに, 安全な航法を示す移動ロボットのハードウェア実験により検証された。
論文参考訳（メタデータ） (2026-07-09T07:39:39Z)
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)
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)
Dynamic Control Barrier Function Regulation with Vision-Language Models for Safe, Adaptive, and Realtime Visual Navigation [5.268770735910558]
我々は、エゴセントリックなRGB入力を用いてCBF安全フィルタの保守性をリアルタイムで適応する視覚制御ナビゲーションフレームワークAlphaAdjを提案する。その結果、AlphaAdjは衝突のないナビゲーションを維持しつつ、(パスの長さとゴールまでの時間の観点から)効率を最大18.5%改善していることがわかった。
論文参考訳（メタデータ） (2026-03-22T09:35:18Z)
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)
QP-Based Control of an Underactuated Aerial Manipulator under Constraints [1.5984927623688912]
本稿では,未作動航空機マニピュレータの制約対応制御フレームワークを提案する。安全と実現可能性の制約を明確に考慮しながら、正確なエンドエフェクタ軌道追跡を可能にする。
論文参考訳（メタデータ） (2026-01-13T13:05:36Z)
Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文参考訳（メタデータ） (2025-04-30T13:47:25Z)
Diffusion Predictive Control with Constraints [51.91057765703533]
拡散予測制御(Diffusion predictive control with constraints,DPCC)は、拡散に基づく制御のアルゴリズムである。 DPCCは,新しいテスト時間制約を満たすために,既存の手法よりも優れた性能を示すロボットマニピュレータのシミュレーションを通して示す。
論文参考訳（メタデータ） (2024-12-12T15:10:22Z)

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。