論文の概要: NMPP: Nonlinear Model Predictive Planning for Agile UAV Flight in Cluttered Environments

• arxiv url: http://arxiv.org/abs/2610.08695v1
• Date: Tue, 06 Oct 2026 17:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.141765
• Title: NMPP: Nonlinear Model Predictive Planning for Agile UAV Flight in Cluttered Environments
• Title（参考訳）: NMPP: 乱れた環境でのアジャイルUAV飛行の非線形モデル予測計画
• Abstract要約: 本研究では,認知障害をハード制約として課すモデル予測計画(NMPP)を提案する。 また, 直線軌道平面よりも58 %低い位置RMSE, 軌道平面より41-70 %低い位置RMSEを実現した。 実際の展開では、未知の乱雑な環境で5.5m/-67までの信頼性の高い実行が見られた。
• 参考スコア（独自算出の注目度）: 3.5945543871230274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flying a quadrotor through a cluttered environment requires not only planning a collision-free reference trajectory based on perceived obstacles, but the reference also needs to be dynamically feasible and within the actuation limits of the vehicle, so that the controller can track it precisely. Existing methods either optimize a smooth polynomial inside a convex corridor, which limits agility, or treat obstacles as soft costs traded against tracking performance. We propose a Nonlinear Model Predictive Planning (NMPP) that imposes perceived obstacles as hard geometric constraints and hands a full-state reference to an obstacle-blind SE(3) controller. Our planner achieves a 58-67 % lower position RMSE than a linear Model Predictive Control trajectory planner and a 41-70 % lower RMSE than a polynomial trajectory planner. It also completes all forest flights with up to 9.5 m/s speed without collisions, and achieves 86 % flight success rate under a more aggressive speed profile where a state-of-the-art planner has only 26 % success rate. The real-world deployment showed reliable execution flying up to 5.5 m/s in an unknown cluttered environment.
• Abstract（参考訳）: 乱雑な環境の中を飛行するには、認識された障害物に基づいて衝突のない参照軌道を計画するだけでなく、車両のアクティベーション限界内で動的に実行可能であり、制御器が正確に追跡できるようにする必要がある。 既存の手法では、流動性を制限する凸回廊内の滑らかな多項式を最適化するか、障害を追跡性能と引き換えにソフトコストとして扱うかのどちらかである。 本研究では, 非線形モデル予測計画 (NMPP) を提案する。 線形モデル予測制御軌道平面よりも58-67 %低い位置RMSEと、多項式軌道平面よりも41-70 %低い位置RMSEを実現する。 また、衝突なしに最大9.5m/sの速度で全ての森林飛行を完了し、最先端のプランナーが26%の成功率しか持たないより攻撃的な速度で86 %の飛行成功率を達成する。 実際の展開では、未知の乱雑な環境で5.5m/sまでの信頼性の高い実行が見られた。

関連論文リスト

• Learning-Based Dynamic Obstacle Avoidance for a UAV Using Only Three Range Sensors [1.2246649738388389]
  本研究では,未知の動環境下で一定高度で動作する無人航空機(UAV)のキノダイナミック・オンライン・モーション・プランニングに対する学習に基づくアプローチを提案する。 提案フレームワークは,行動グリッドマップの表現をDeep Reinforcement Learning (DRL)と統合し,継続的制御における安定した政策学習を実現する。 キーとなるアイデアは、低コストな3つの指向性レンジセンサーのみを使用して、信頼性の高いナビゲーションを可能にする状態表現と制御ポリシーの共設計である。
  論文  参考訳（メタデータ） (2026-09-13T10:53:43Z)
• Local Path Planning and Obstacle Avoidance for an Omnicopter Platform [5.329751638083761]
  本稿では,全方向マルチロータ(オムニコプタ)のためのリアルタイム局所計画と障害物回避モジュールを提案する。 本手法は, (i) 局所写像のボクセル化, (ii) 車両形状のコンパクトな球面近似, (iii) 6次元探索空間における適応速度サンプリングによるリアルタイム実現性を実現する。 我々は,計算応力試験,高密度ウェイポイント経路追跡,静的・未知の障害物シナリオのシミュレーションにおけるアプローチを評価する。
  論文  参考訳（メタデータ） (2026-09-03T10:25:14Z)
• 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)
• Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight [25.084985306310827]
  本稿では,視覚に基づく四元数に対する時間-最適軌道最適化フレームワークを提案する。 知覚制約を完全な非線形力学、ローターの作動制限、空力効果、カメラの視野制約、凸幾何学ゲート表現と組み合わせる。 実験では、実際の飛行速度は9.8m/s、平均追跡誤差は0.07m、クローズドループの成功率は55%から100%に向上した。
  論文  参考訳（メタデータ） (2026-03-04T17:22:16Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
  本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。 提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。 我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
  論文  参考訳（メタデータ） (2025-01-16T16:45:08Z)
• 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)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)

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。