論文の概要: DR-IPC: Disturbance-Resilient Integrated Planning and Control for LiDAR-Based Quadrotor Navigation
- arxiv url: http://arxiv.org/abs/2610.03530v1
- Date: Fri, 02 Oct 2026 16:16:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.475496
- Title: DR-IPC: Disturbance-Resilient Integrated Planning and Control for LiDAR-Based Quadrotor Navigation
- Title（参考訳）: DR-IPC:LiDARを用いたクアドロレータナビゲーションのための外乱耐性統合計画と制御
- Abstract要約: 乱雑な環境におけるLiDARベースの四角形ナビゲーションは、外乱下では困難なままである。
本稿では、外乱耐性統合計画・制御(DR-IPC)について述べる。
DR-IPCは、軽量経路誘導と非線形モデル予測制御(NMPC)を組み合わせて、角速度と推力を直接生成する。
- 参考スコア（独自算出の注目度）: 11.376384867960496
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: LiDAR-based quadrotor navigation in cluttered environments remains challenging under external disturbances, particularly when obstacle-aware motion generation and disturbance-rejection control are handled in separate layers. This article presents disturbance-resilient integrated planning and control (DR-IPC), which combines lightweight path guidance with nonlinear model predictive control (NMPC) to directly generate angular velocity and thrust. An interconnected extended Kalman filter and nonlinear disturbance observer jointly provide filtered state estimates and reconstructed disturbances for NMPC prediction. The resulting formulation unifies nonlinear quadrotor dynamics, actuator constraints, local motion generation, and penalised safe-flight-corridor residuals without requiring a separate trajectory-optimization stage. Gazebo and MARSIM simulations, together with indoor and outdoor experiments, validate DR-IPC under wind, suspended payloads, narrow passages, ball impacts and reactive avoidance of a dynamic obstacle. In multi-goal navigation with disturbances, DR-IPC increases the number of completed missions from 1/10 to 9/10 in Gazebo and reduces the altitude RMSE from 0.34 to 0.01 m in experiments. The complete system operates onboard at 100 Hz. Supplementary videos are available on the project page https://drpp316.github.io/DR-IPC-Page/, and the source code will be released.
- Abstract（参考訳）: 乱れ環境におけるLiDARベースの四角形ナビゲーションは、特に障害物認識運動の生成と乱れ回避制御を別々の層で処理する場合、外乱下では困難なままである。
本稿では, 軽量経路誘導と非線形モデル予測制御(NMPC)を組み合わせて, 角速度と推力を直接生成する外乱耐性統合計画制御(DR-IPC)について述べる。
相互接続された拡張カルマンフィルタと非線形外乱オブザーバは、NMPC予測のためのフィルタ状態推定と再構成外乱を共同で提供する。
結果の定式化は、別々の軌道最適化段階を必要とせず、非線形四角子力学、アクチュエータ制約、局所運動生成、およびペナル化されたセーフフライ・コリドール残差を統一する。
ガゼボとMARSIMシミュレーションは、室内および屋外の実験とともに、風下のDR-IPC、吊り下げられたペイロード、狭い通路、ボール衝撃、動的障害物の反応性回避を検証した。
障害を伴うマルチゴール航法では、DR-IPCはガゼボのミッションを1/10から9/10に増やし、実験ではRMSEの高度を0.34から0.01mに下げる。
システムは100Hzで動作する。
追加ビデオはプロジェクトページ https://drpp316.github.io/DR-IPC-Page/ で公開されている。
関連論文リスト
- Disturbance-Aware Flight for Aerial Robots in Narrow Space [18.124392684552998]
本稿では,狭い空間における四極子飛行の計画制御ループにオンライン外乱推定を統合する,外乱認識型計画制御フレームワークを提案する。
実験では、対角線長0.39mの四角形が直線、傾斜、湾曲したトンネルを0.6mまで横切ることができ、成功率と飛行効率の両方で人間のパイロットより優れていた。
論文 参考訳（メタデータ） (2026-07-20T01:58:05Z) - Clustering-Embedded Model Predictive Path Integral Control: Avoiding Averaging-Induced Failure and Enabling Efficient Cluster Selection for Dynamic Obstacles [8.676152401214837]
CEPPI(Cluster-Embedded MPPI)は、シミュレーション基準点から抽出される新しい幾何学的方向特徴を再定義するフレームワークを提案する。
2次元JAX-MPPIシミュレーションの実験では、クラスタリングベースの更新が動的シーンにおける永続的障害を軽減することが示されている。
論文 参考訳（メタデータ） (2026-07-07T17:01:00Z) - LNN-Fly: Continuous-Time UAV Navigation for Robust Obstacle Avoidance under Timing Mismatch [17.86034589419106]
LNN-Flyは、LiDARベースのUAV障害物回避のための連続時間ナビゲーションポリシーである。
テスト環境では障害物回避性能が向上し、制御周波数の低減、スパース観測、制御周期ジッタに対する耐性が向上した。
屋内での周波数クロスワールドテストでは、20回の飛行で100%成功している。
論文 参考訳（メタデータ） (2026-06-27T09:26:22Z) - Adaptive Outer-Loop Control of Quadrotors via Reinforcement Learning [7.213232880886576]
本研究では,新しい適応制御アーキテクチャを提案する。
まず、最適な外ループポリシーをトレーニングし、その後、地平線データへの依存をResidual Dynamics Predictorに置き換える。
データ効率のよい線形キャリブレーションブリッジとオンライン推力補正機構を導入する。
論文 参考訳（メタデータ） (2026-05-15T14:49:58Z) - Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。
本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。
このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
論文 参考訳（メタデータ） (2026-04-10T17:12:07Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Custom Non-Linear Model Predictive Control for Obstacle Avoidance in Indoor and Outdoor Environments [0.0]
本稿では,DJI行列100のための非線形モデル予測制御(NMPC)フレームワークを提案する。
このフレームワークは様々なトラジェクトリタイプをサポートし、厳密な操作の精度を制御するためにペナルティベースのコスト関数を採用している。
論文 参考訳（メタデータ） (2024-10-03T17:50:19Z) - DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。
DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。
適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
論文 参考訳（メタデータ） (2023-10-13T12:22:31Z)
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。