論文の概要: Nonlinear Density-Driven Optimal Control (D2OC) for Multi-Agent Spatial Coverage via Sequential Convex Programming
- arxiv url: http://arxiv.org/abs/2610.04545v1
- Date: Sat, 03 Oct 2026 14:18:28 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 21:03:57.321366
- Title: Nonlinear Density-Driven Optimal Control (D2OC) for Multi-Agent Spatial Coverage via Sequential Convex Programming
- Title（参考訳）: 連続凸計画法によるマルチエージェント空間被覆のための非線形密度駆動最適制御(D2OC)
- Abstract要約: 本稿では,密度分布を持つマルチエージェント空間被覆に対する密度駆動最適制御(D2OC)の非線形拡張を提案する。
逐次凸プログラミングを用いた離散時間制御-アフィン非線形系に対する多段階有限ホライゾン制御に拡張する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This paper presents a nonlinear extension of Density-Driven Optimal Control (D2OC) for multi-agent spatial coverage with prescribed density distributions. Rather than assigning individual target locations, D2OC drives the collective spatial distribution of agents toward a desired density through a Wasserstein-based objective. We extend this framework to multi-step finite-horizon control for discrete-time control-affine nonlinear systems using sequential convex programming. At each control update, the nonlinear dynamics are locally linearized over the prediction horizon, yielding a strictly convex quadratic program that preserves the Wasserstein barycentric structure while directly incorporating input constraints. We further characterize the effect of constrained control deviations and nonlinear Taylor remainders on the accuracy of the local linear prediction, establishing an explicit finite-horizon error bound and a two-step specialization for receding-horizon implementation. The resulting method retains the decentralized, distribution-driven nature of D2OC while providing a computationally efficient optimization procedure for nonlinear multi-agent systems. Simulations with unicycle and quadrotor teams show coverage performance comparable to nonlinear model predictive control, while substantially reducing computation time. These results demonstrate a tractable and theoretically characterized framework for density-driven spatial coverage under nonlinear dynamics.
- Abstract（参考訳）: 本稿では,密度分布を持つマルチエージェント空間被覆に対する密度駆動最適制御(D2OC)の非線形拡張を提案する。
個々のターゲット位置を割り当てるのではなく、D2OCはワッサーシュタインに基づく目的を通じて、エージェントの集合的な空間分布を所望の密度に向けて駆動する。
逐次凸プログラミングを用いた離散時間制御-アフィン非線形系に対する多段階有限ホライゾン制御に拡張する。
各制御更新では、非線形ダイナミクスは予測水平線上で局所的に線形化され、入力制約を直接取り入れつつ、ワッサーシュタインのバリ中心構造を保存する厳密な凸二次プログラムが生成される。
さらに、制約付き制御偏差と非線形テイラー残差が局所線形予測の精度に及ぼす影響を特徴付け、明示的な有限水平誤差境界と後退水平化のための2段階の特殊化を確立する。
この手法はD2OCの分散分布駆動特性を維持しつつ,非線形マルチエージェントシステムに対する計算効率の良い最適化手法を提供する。
一輪車と四輪車のシミュレーションでは、非線形モデル予測制御に匹敵するカバレッジ性能を示し、計算時間を大幅に短縮する。
これらの結果は、非線形力学下での密度駆動型空間被覆のための、トラクタブルで理論的に特徴づけられる枠組みを示す。
関連論文リスト
- Projective Normal Fields: A Convex Optimization Method for Constructing Smooth UDFs [68.08537394769392]
本稿では,原点雲からの距離場(UDF)の滑らかな近似を構築するためのフレームワークを提案する。
局所幾何推定をスカラーフィールド構造から分離することにより、PNFは非微分可能なUDFを直接適合させない。
論文 参考訳（メタデータ） (2026-09-28T09:55:50Z) - Riemannian Density-Driven Optimal Control: Tangent-Space LQR for Second-Order Multi-Agent Systems on Curved Manifolds [0.0]
密度駆動最適制御(D2OC)は、所定の空間分布に対してマルチエージェントシステムを操るフレームワークを提供する。
本稿では,D2OCをリーマン多様体上で進化する二階マルチエージェント系に拡張する。
局所曲率依存境界を定め, 接空間還元による近似を定量化する。
局所速度調整条件を満たすと閉ループの目標値が減少することを示す条件付き離散発振結果を得る。
論文 参考訳（メタデータ） (2026-09-19T01:17:56Z) - Fitting Unknown Number of Hyperplanes with Manifold Optimization [57.48093263119306]
未知数の線形平面をデータに適合させることは、機械学習の根本的な課題である。
既存のアプローチはしばしば最適な最適化に苦しむか、幾何的整合性に欠ける。
論文 参考訳（メタデータ） (2026-05-27T14:02:20Z) - Motion Planning for Autonomous Vehicles using Optimization over Graphs of Convex Sets [0.6445605125467574]
自動運転車の運動計画には、リアルタイムな制約の下で、衝突のない、動的に実現可能な軌道を生成する必要がある。
本稿では,非線形動作計画問題に近似する新しい幾何学的制御法を提案する。
連続緩和における凸性を保ちながら、支配的な幾何学的動的効果を捉え、非線形運動計画問題の構造化された近似を提供する。
論文 参考訳（メタデータ） (2026-05-13T23:29:54Z) - Computationally Efficient Density-Driven Optimal Control via Analytical KKT Reduction and Contractive MPC [0.0]
集合空間分布の効率的な調整は、マルチエージェントシステムにおける基本的な課題である。
我々は、T-水平KKT系を縮合二次計画(QP)に変換する解析的構造還元を提案する。
この定式化はO(T)線形スケーラビリティを実現し、従来のO(T3)アプローチと比較してオンライン計算の負担を大幅に低減する。
論文 参考訳（メタデータ） (2026-03-19T05:23:21Z) - Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes [3.8436274588467696]
多目的ロボットによる障害物回避は、最適化に基づく制御と軌道計画において難しい問題である。
既存の手法は、幾何学力学を歪ませる楕円体のような双対距離近似に頼っている。
本稿では,安全クリティカルナビゲーションプログラムのための新しい反復凸性有限水平最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-06T05:10:44Z) - Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces [4.722936792899906]
本稿では拡散に代表される非線形制御-アフィン系の最適制御のための完全データ駆動方式を提案する。
非線形力学とステージコスト関数の両方が未知であり、制御ペナルティ関数と制約のみを提供するシナリオに焦点が当てられている。
数値計算の結果,自律型水中車両の深度制御など,多様な非線形制御タスクに対処できることが示されている。
論文 参考訳（メタデータ） (2024-07-23T11:53:03Z) - Efficiently Training Deep-Learning Parametric Policies using Lagrangian Duality [55.06411438416805]
制約付きマルコフ決定プロセス(CMDP)は、多くの高度な応用において重要である。
本稿では,パラメトリックアクターポリシーを効率的に訓練するための2段階深度決定規則(TS-DDR)を提案する。
現状の手法と比較して, 解の質を高め, 数桁の計算時間を削減できることが示されている。
論文 参考訳（メタデータ） (2024-05-23T18:19:47Z) - Double Duality: Variational Primal-Dual Policy Optimization for
Constrained Reinforcement Learning [132.7040981721302]
本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。
制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
論文 参考訳（メタデータ） (2024-02-16T16:35:18Z) - Stochastic Nonlinear Control via Finite-dimensional Spectral Dynamic Embedding [20.43835169613882]
本稿では,非線形系の最適制御のためのスペクトルダイナミクス埋め込み制御(SDEC)を提案する。
これはシステムの非線形力学によって誘導される無限次元の特徴表現を明らかにし、状態-作用値関数の線形表現を可能にする。
実用的な実装では、この表現は有限次元のトランケーションを用いて近似される。
論文 参考訳（メタデータ） (2023-04-08T04:23:46Z) - 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)
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。