論文の概要: Fast Direction-Conditioned Reachability for Motion Prediction Under Model Uncertainty

• arxiv url: http://arxiv.org/abs/2609.27077v1
• Date: Tue, 22 Sep 2026 21:18:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.776467
• Title: Fast Direction-Conditioned Reachability for Motion Prediction Under Model Uncertainty
• Title（参考訳）: モデル不確かさ下における動き予測のための高速方向整合リーチ性
• Abstract要約: ロボットは、近くのエージェントがどこに移動するかを繰り返し予測しなければならない。 本研究では,不確実な状態と入力行列を持つ線形系に対する方向条件付き到達可能性法を提案する。 また,本手法は,ロボットが各計画段階において,各車両がどの程度近距離へ移動できるかを問うクローズドループマルチ車両シミュレーションに応用し,その結果の集合を避けるために再設計を行う。
• 参考スコア（独自算出の注目度）: 1.5684305805304426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To avoid collisions, a robot must repeatedly predict where nearby agents may move, usually with an imperfect model of their dynamics. Reachable sets provide such predictions, but computing them when the system matrices themselves are uncertain can become computationally expensive and conservative for frequent replanning. Moreover, a planner often needs to know only how far an agent can move in one particular direction, for example toward the robot, rather than the complete reachable set. We propose a direction-conditioned reachability method for linear systems with uncertain state and input matrices. Given a query direction $d$, the method selects one admissible model $(A^\star,B^\star)$ whose reachable set extends nearly as far along $d$ as the reachable set of the entire uncertain model family, and then computes the reachable set of only this model with a standard reachability solver. On an uncertain linearized bicycle model, the complete selection-and-computation pipeline is about three times faster than computing the reachable set of the full uncertain family in the CORA toolbox, while its extent along $d$ is within $5\%$ of the full family's in the reported directions. We also use the method in a closed-loop multi-vehicle simulation in which the robot queries, at each replanning step, how far each nearby vehicle can move toward it, and replans to avoid the resulting sets.
• Abstract（参考訳）: 衝突を避けるため、ロボットは近くのエージェントがどこに移動するかを繰り返し予測する必要がある。 到達可能な集合はそのような予測を提供するが、システム行列自体が不確実である場合の計算は、頻繁な再計画のために計算コストが高く保守的になる。 さらに、プランナーは、例えば、完全な到達可能なセットではなく、ロボットに向かって、エージェントが特定の方向にどこまで動けるかのみを知る必要があることが多い。 本研究では,不確実な状態と入力行列を持つ線形系に対する方向条件付き到達可能性法を提案する。 1つの許容可能なモデル $(A^\star,B^\star)$ が与えられたとき、その到達可能な集合は不確実なモデルファミリ全体の到達可能な集合として$d$ にほぼ等しく拡張され、次に標準到達可能な解法でこのモデルのみの到達可能な集合を計算する。 不確実な線形化自転車モデルでは、完全選択計算パイプラインはCORAツールボックス内の完全不確実なファミリーの到達可能な集合を計算するよりも約3倍高速である。 また,本手法は,ロボットが各計画段階において,各車両がどの程度近距離へ移動できるかを問うクローズドループマルチ車両シミュレーションに応用し,その結果の集合を避けるために再設計を行う。

関連論文リスト

• ForwardDLO: Model-Based Bimanual Shape Matching of Unconstrained Deformable Linear Objects [12.045392054359551]
  ロープ、ケーブル、その他の変形可能な線形オブジェクトは、切断からケーブルのルーティング、縫合までタスクに現れる。 モデルに基づく形状制御を汎用的に研究する。 本稿では、この固定されていないバイマニュアル設定に対して、リカレント遅延力学モデルであるForwardDLOを提案する。
  論文  参考訳（メタデータ） (2026-09-16T10:47:33Z)
• Differentiable Invariant Sets for Hybrid Limit Cycles with Application to Legged Robots [4.9489833968237065]
  パラメトリック埋め込みを用いた連続システムの到達可能な集合を過度に近似する手法を拡張し、二足歩行ロボットの公称軌道を軸とした前方不変集合を計算する。 パラメトリック・リーチブル・セットのためのJAXベースのライブラリであるImmraxを用いて二足歩行モデル上でこの条件を数値的に検証し、双方向最適化フレームワークを用いてトラッキングコントローラを設計する。
  論文  参考訳（メタデータ） (2026-04-06T19:14:02Z)
• Multi-robot Path Planning and Scheduling via Model Predictive Optimal Transport (MPC-OT) [5.013737017051114]
  我々は、デッドロック障害のある共通空間において、100万ドルのロボットが100万ドルの目標にナビゲートされる仕組みを検討する。 最適計画に基づく戦略を導出し、重複しない軌道を保証する。 本研究では, 時空間構造を最適輸送へ統合し, テクトitremodelplans と textitremodelplans の助けを借りて予測できることを示す。
  論文  参考訳（メタデータ） (2025-08-28T20:47:33Z)
• Coarse Graining with Neural Operators for Simulating Chaotic Systems [78.64101336150419]
  カオスシステムの長期的挙動を予測することは、気候モデリングなどの様々な応用に不可欠である。 このような完全解法シミュレーションに対する別のアプローチは、粗いグリッドを使用して、時間テキストモデルによってエラーを修正することである。 この制限を克服する物理インフォームド・ニューラル演算子(PINO)を用いたエンド・ツー・エンドの学習手法を提案する。
  論文  参考訳（メタデータ） (2024-08-09T17:05:45Z)
• 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)
• Robots That Ask For Help: Uncertainty Alignment for Large Language Model Planners [85.03486419424647]
  KnowNoは、大きな言語モデルの不確実性を測定し、調整するためのフレームワークである。 KnowNoは、タスク完了に関する統計的保証を提供する共形予測理論に基づいている。
  論文  参考訳（メタデータ） (2023-07-04T21:25:12Z)
• 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)
• Robust Online Control with Model Misspecification [96.23493624553998]
  本研究では,未知の非線形力学系のモデル不特定性を考慮したオンライン制御について検討する。 本研究は, 線形近似からの偏差を許容できる程度に測定できるロバスト性に着目した。
  論文  参考訳（メタデータ） (2021-07-16T07:04:35Z)
• Reactive motion planning with probabilistic safety guarantees [27.91467018272684]
  本稿では,複数の非制御エージェントを用いた環境における動作計画の問題点について考察する。 制御されていないエージェントの予測モデルは、シナリオに基づいて短い地平線内で全ての可能な軌道を予測するために訓練される。 提案手法は,自動運転を模擬したシナリオにおいてシミュレーションで実証される。
  論文  参考訳（メタデータ） (2020-11-06T20:37:15Z)

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。