論文の概要: Full-Order Safety for Nonlinear Reduced-Order MPC

• arxiv url: http://arxiv.org/abs/2610.19250v1
• Date: Tue, 13 Oct 2026 22:06:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.826059
• Title: Full-Order Safety for Nonlinear Reduced-Order MPC
• Title（参考訳）: 非線形低次MPCの完全安全性
• Abstract要約: 減階モデル(ROM)は高次元非線形系のモデル予測制御(MPC)を可能にする。 非線形ROMで計画する頑健なMPC定式化であるCoRE-MPCを導入する。 また, CRE-MPCは, 閉ループコストの27～35%で, フルオーダーのロバストMPCよりも13～61倍高速であることを示した。
• 参考スコア（独自算出の注目度）: 18.20199902384284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reduced-order models (ROMs) make model predictive control (MPC) of high-dimensional nonlinear systems tractable, but the resulting modeling error can lead to constraint violations on the real system. We introduce CoRE-MPC, a robust MPC formulation that plans with a nonlinear ROM and guarantees recursive feasibility and constraint satisfaction for the full-order system. It can be applied with a broad class of nonlinear model reduction techniques and the resulting MPC does not require evaluating the full-order model online, thus ensuring computational efficiency. The key insight is in how the ROM affects the dynamics of the prediction error. We account for this with two error radii that are propagated alongside the ROM and provide a guaranteed bound on the prediction error. The approach is validated in simulation on an 80-state oscillator chain, a Burgers equation, and a 9,768-state finite-element soft robot, where a two-state ROM with data-driven bounds keeps all 1,628 nodes clear of a wall at a median solve time below 1 ms for a 20 ms control period. Across these examples, CoRE-MPC is 13 to 61 times faster than full-order robust MPC at only 27 to 35% higher closed-loop cost, whereas existing certified schemes are either infeasible or at least twice as conservative. Code: [released upon publication].
• Abstract（参考訳）: 減階モデル (ROM) は高次元非線形系のモデル予測制御 (MPC) をトラクタブルにするが、結果として生じるモデリングエラーは実システムの制約違反につながる可能性がある。 非線形ROMを計画し、再帰的実現可能性と全順序システムに対する制約満足度を保証する頑健なMPC式であるCoRE-MPCを導入する。 この手法は幅広い非線形モデル還元手法で適用でき、結果として得られるMPCはオンラインの完全順序モデルを評価する必要はなく、計算効率が確保できる。 重要な洞察は、ROMが予測エラーのダイナミクスにどのように影響するかである。 ここでは、ROMと共に伝播する2つのエラーラジイと、予測誤差の保証されたバウンダリが説明される。 この手法は、80状態発振器チェーン、バーガース方程式、9,768状態有限要素ソフトロボットのシミュレーションで検証され、データ駆動境界を持つ2状態ROMは、20msの制御期間において1ms以下の中央値で壁から1,628個のノードをクリアする。 これらの例全体では、CoRE-MPCはフルオーダーの堅牢なMPCよりも13～61倍高速で、クローズドループコストは27～35%高い。 コード: [出版日報].

関連論文リスト

• Reachability-Guided Sequential Quadratic Programming-Guarded Model Predictive Path Integral for Safe Nonlinear Predictive Control [50.362993341412455]
  本稿では,長距離性能最適化とハードおよびインプット制約を組み合わせた安全ロボット制御手法を提案する。 リーチビリティ・インフォームド・ジェネレーション・リファインメントReSQ-MPPIは、リーチビリティ・インフォームド・ジェネレーション・リファインメントアーキテクチャである。
  論文  参考訳（メタデータ） (2026-10-03T09:51:55Z)
• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• Manifold-Constrained MPPI: Real-Time Sampling-Based Control Under Hard Constraints [8.747309323431802]
  Manifold-Constrained MPPI (MC-MPPI) はリアルタイムサンプリングベースの制御フレームワークである。 MPPIの計算上の利点を保ちながら、多様体ベースの等式制約を強制する。 シミュレーションと実世界の両方の環境で14-DoFクローズドチェーンのデュアルアームシステムの実験は、MC-MPPIが安定して100Hzで動作することを示した。
  論文  参考訳（メタデータ） (2026-05-24T01:57:18Z)
• LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels [49.35636088613484]
  JEPA(Joint Embedding Predictive Architectures)は、コンパクトな潜在空間で世界モデルを学習するための魅力的なフレームワークを提供する。 最初のJEPAであるLeModelWorldを紹介します。 数時間で1つのGPU上で15万のパラメータをトレーニングできるため、LeWMはファンデーションモデルベースの世界モデルよりも48倍高速に計画している。
  論文  参考訳（メタデータ） (2026-03-13T19:48:14Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Computationally efficient Gauss-Newton reinforcement learning for model predictive control [0.8437187555622164]
  本稿では,2次ポリシーデリバティブの必要性を排除した決定主義政策ヘッセンのガウス・ニュートン近似を導入する。 非線形連続拌槽リアクターにおけるアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2025-08-04T14:00:40Z)
• Introducing a Deep Neural Network-based Model Predictive Control Framework for Rapid Controller Implementation [41.38091115195305]
  本研究は、HCCI燃焼制御のためのディープニューラルネットワーク(DNN)に基づく非線形MPCの実験的実装を示す。 ARM Cortex A72上のMPCのリアルタイム実装を可能にするために、Acadosソフトウェアパッケージを使用することで、最適化計算は1.4ms以内で完了する。 現像した制御器のIMEP軌道は, プロセス制約の観測に加えて, 根平均2乗誤差0.133バールで良好であった。
  論文  参考訳（メタデータ） (2023-10-12T15:03:50Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)

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。