論文の概要: Safe Ergodic Control for Multi-Robot Systems via Quadratic Programming
- arxiv url: http://arxiv.org/abs/2610.05258v1
- Date: Sun, 04 Oct 2026 14:30:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 22:14:41.202975
- Title: Safe Ergodic Control for Multi-Robot Systems via Quadratic Programming
- Title（参考訳）: 擬似プログラミングによるマルチロボットシステムの安全エルゴディック制御
- Abstract要約: エルゴディック制御は、ロボットが関心の分布に比例して各地域で時間を過ごすように促す。
既存の安全なエルゴードコントローラは、オフラインの客観的最適化や階層アーキテクチャに依存している。
本稿では、エルゴディディティと安全性を両立させる2次プログラミング(QP)ベースの制御器を提案する。
- 参考スコア（独自算出の注目度）: 8.512867189292056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ergodic control drives robots to spend time in each region in proportion to a spatial distribution of interest, making it well suited for dense spatiotemporal environmental monitoring. Existing safe ergodic controllers rely on offline trajectory optimization or hierarchical architectures, which limit real-time applicability and decouple the ergodicity objective from the safety constraint. This paper presents a quadratic programming (QP)-based controller that treats ergodicity and safety jointly. We first introduce a Gaussian-kernel ergodic metric that, unlike the classical indicator-based metric, is time differentiable. This allows the exponential decay of the metric to be imposed as a time-varying control barrier function (CBF) constraint, relaxed by a slack variable, alongside hard CBF constraints for region containment and inter-robot collision avoidance. We establish that the resulting QP remains feasible from any safe initial configuration and that, up to the slack term, the ergodic metric decays exponentially. Simulations show improved performance over baseline methods, and experiments with three aerial vehicles validate the work on real hardware.
- Abstract（参考訳）: エルゴディック制御は、ロボットが関心の空間分布に比例して各地域で時間を過ごすように駆動するので、高密度の時空間環境モニタリングに適している。
既存の安全なエルゴディックコントローラはオフラインの軌道最適化や階層アーキテクチャに依存しており、これはリアルタイム適用性を制限し、エルゴディディディティの目的を安全制約から切り離す。
本稿では、エルゴディディティと安全性を両立させる2次プログラミング(QP)ベースの制御器を提案する。
まず、古典的指標に基づく計量とは異なり、時間微分可能なガウス・カーネルエルゴード計量を導入する。
これにより、計量の指数的減衰は時変制御障壁関数(CBF)の制約として課せられ、スラック変数によって緩和される。
得られたQPは、いかなる安全な初期構成からでも実現可能であり、スラック項まで、エルゴード計量は指数関数的に崩壊する。
シミュレーションでは、ベースライン法よりも性能が向上し、3台の航空車両による実機での作業が検証された。
関連論文リスト
- Time-Efficient Iterative Learning Planning for Safety-Critical Dynamic Obstacle Avoidance [49.35246226163005]
本稿では、予測リスクブレンド制御バリア機能(ARB-CBF)を統合することにより、動的環境における安全クリティカルなナビゲーションに反復学習計画(ILP)を拡張する。
総合的なシミュレーションと実世界の実験により、最適化ベースのベースラインに比べて計算オーバーヘッドが低く、時間効率と安全性が優れていることが証明された。
論文 参考訳（メタデータ） (2026-09-17T14:12:36Z) - AI-Augmented Model Predictive Control for Safe and Adaptive Rendezvous and Proximity Operations [2.787067333542931]
本研究は,多エージェント対逆シナリオにおける自律宇宙船RPOのための適応型モデル予測制御(MPC)フレームワークを提案する。
このフレームワークは、モンテカルロシミュレーションにより、公式のKSPDG(Kerbal Space Program Differential Game)で評価された。
論文 参考訳（メタデータ） (2026-07-18T04:20:23Z) - Robust Operational Space Control with Conformal Disturbance Bounds for Safe Redundant Manipulation [4.337275843491041]
制約のある人間間環境で動作する冗長なロボットマニピュレータは、正確なタスク空間追跡を必要とする。
本稿では,拡張状態オブザーバ(ESO)と共形予測を統合したOSCTCフレームワークを提案する。
7-DoF Franka Research 3 マニピュレータの実験では、様々な障害の下で1kHzでミリレベルの追跡精度とリアルタイム安全な制御が実証された。
論文 参考訳（メタデータ） (2026-07-01T04:33:39Z) - Geometry-Aware Control Barrier Functions for Collision Avoidance via Bernstein Polynomial Approximations [8.629680427261542]
本稿では,Bernstein-Polynomial Signed Distance Fields(BPSDF)に基づく新しい幾何学的制御バリア関数(CBF)を提案する。
本研究では,異なる環境下でのシミュレーションにより,単一ロボットナビゲーションと異種マルチロボット衝突回避の効率と性能を検証する。
論文 参考訳（メタデータ） (2026-05-29T00:42:33Z) - Reactive Robot-Centric Safety for Autonomous Navigation in Constrained and Dynamic Environments [14.321190258774358]
本稿では,3次元LIDAR認識に基づく複合制御バリア関数を統合したリアルタイム制御アーキテクチャを提案する。
地下環境における複数フィールド実験を通してシステムを検証する。
論文 参考訳（メタデータ） (2026-05-15T09:42:13Z) - Maximal Controlled Invariant-MPC: Enhancing Feasibility and Reducing Conservatism through Terminal CBF Constraint in Safety-Critical Control [0.8594140167290097]
制御バリア関数(CBF)を終端制約として用いたモデル予測制御(MPC)の定式化を提案する。
MPCは、予測の地平線を増大させ、実現可能性と到達性を向上させることが証明されている。
到達可能な状態空間の増加は、制御バリア関数の内側にある軌跡を追跡するシステムの能力によって実証された。
論文 参考訳（メタデータ） (2026-05-07T01:42:11Z) - 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) - 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) - Safe Neural Control for Non-Affine Control Systems with Differentiable
Control Barrier Functions [58.19198103790931]
本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。
制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。
我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
論文 参考訳（メタデータ） (2023-09-06T05:35:48Z) - Pointwise Feasibility of Gaussian Process-based Safety-Critical Control
under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。
本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-13T23:08:49Z) - Learning Control Barrier Functions from Expert Demonstrations [69.23675822701357]
制御障壁関数(CBF)に基づく安全な制御器合成のための学習に基づくアプローチを提案する。
最適化に基づくCBFの学習手法を解析し、基礎となる力学系のリプシッツ仮定の下で証明可能な安全保証を享受する。
私たちの知る限りでは、これらはデータから確実に安全な制御障壁関数を学習する最初の結果です。
論文 参考訳（メタデータ） (2020-04-07T12:29:06Z)
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。