論文の概要: Task-Space Motion-Force Nonlinear Model Predictive Control for Precise and Compliant Control under Uncertainties

• arxiv url: http://arxiv.org/abs/2610.17069v1
• Date: Mon, 12 Oct 2026 16:34:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:24:23.819087
• Title: Task-Space Motion-Force Nonlinear Model Predictive Control for Precise and Compliant Control under Uncertainties
• Title（参考訳）: 不確実性下における高精度・完全制御のためのタスク空間運動フォース非線形モデル予測制御
• Abstract要約: タスク空間の運動と力の要求を受けるロボット関節を制御する統一NMPCフレームワークを提案する。 提案する制御器の本質的なタスク空間インピーダンス, 偏微分安定性と差動透過率に対する部分的縮約について検討する。 物理ハードウェア上での我々の枠組みを検証し、冗長なマニピュレータ上でのハイブリッド動作力制御と、四足歩行上でのコンプライアンス・ロコモーションを実証する。
• 参考スコア（独自算出の注目度）: 9.169240681168757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Nonlinear Model Predictive Control (NMPC), the control law is implicitly determined by the solution of an Optimal Control Problem (OCP). Consequently, OCP design is often tailored to specific platforms and tasks, demanding extensive expert knowledge and tuning effort. To address this, we propose a unified NMPC framework that directly plans and controls the robot joints subject to task-space motion and force requirements and is capable of seamlessly generalizing across multiple robotic platforms and diverse tasks. Furthermore, optimization-based methods often treat interactions as rigid contacts, making the torque solution sensitive to the modeling errors of the robot dynamics and the environment. We study the intrinsic task-space impedance of our proposed controller, its partial contraction for differential stability and differential passivity under unmodeled interactions. As a result, our framework enables closing the force-feedback loop in the high-level planning layer to achieve precise motion-force tracking performance, addressing the long-standing challenge of force-feedback NMPC. Finally, we validate our framework on physical hardware, demonstrating hybrid motion-force control on a redundant manipulator and compliant locomotion on a quadruped, while preserving core NMPC advantages such as hard constraint satisfaction, optimal redundancy exploitation, and real-time planning under unforeseen interactions.
• Abstract（参考訳）: 非線形モデル予測制御(NMPC)では、制御則は最適制御問題(OCP)の解によって暗黙的に決定される。 結果として、OCP設計は特定のプラットフォームやタスクに合わせて調整され、豊富な専門知識とチューニングの努力が要求される。 そこで本研究では,複数のロボットプラットフォームと多様なタスクにまたがるシームレスな一般化が可能な,タスク空間の運動と力の要求を受けるロボット関節を直接設計・制御する統一NMPCフレームワークを提案する。 さらに、最適化に基づく手法は、しばしば相互作用を剛性接触として扱い、ロボット力学と環境のモデリング誤差に敏感なトルク解を与える。 提案する制御器の本質的なタスク空間インピーダンスと,非モデル化相互作用下での差動安定性と差動通過率の部分的縮約について検討する。 その結果,高レベルプランニング層における力フィードバックループを閉じることで,力フィードバックNMPCの長年の課題に対処し,高精度な力フィードバック性能を実現することが可能となった。 最後に, ハード制約満足度, 最適冗長性利用, 予期せぬ相互作用下でのリアルタイム計画などのコアNMPCの利点を保ちながら, 冗長マニピュレータとコンプライアンスローコモーションのハイブリッド動作力制御を実証し, 物理ハードウェアの枠組みを検証した。

関連論文リスト

• A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
  車両の直接遠隔操作は重要な技術的ボトルネックに直面している。 通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。 本稿では,一方的な遠隔操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-11T01:51:08Z)
• 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)
• Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
  乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。 タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。 我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
  論文  参考訳（メタデータ） (2026-04-22T22:58:47Z)
• DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models [61.26694413585136]
  DA-PTQ (Drift-Aware Post-Training Quantization) は、逐次決定過程に対するドリフト-アウェア最適化問題として量子化を定式化する。 DA-PTQはキネマティックドリフトを著しく低減し、低ビット設定下での完全精度モデルに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2026-04-13T14:51:43Z)
• Learning-Guided Force-Feedback Model Predictive Control with Obstacle Avoidance for Robotic Deburring [5.6561185194861565]
  特にデバリングには、正確な工具挿入、安定した力調節、衝突のない円運動が必要である。 本稿では,これらの課題に対処するために,力覚フィードバックMPCと拡散に基づく動きを統合化するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-07T17:43:32Z)
• Real-Time Projected Adaptive Control for Closed-Chain Co-Manipulative Continuum Robots [0.764671395172401]
  協調操作型連続ロボット(CCR)では、複数の連続アームが共通の柔軟な物体をつかむことで協調する。 現実的なタスクでは、フレキシブルオブジェクトの物理パラメータはしばしば未知であり、操作によって異なる。 本稿では,動的レベルで定式化されたCCRの適応制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-05T22:03:23Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Improving Input-Output Linearizing Controllers for Bipedal Robots via Reinforcement Learning [85.13138591433635]
  入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。 本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
  論文  参考訳（メタデータ） (2020-04-15T18:15:49Z)

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。