論文の概要: CLIS-MPPI: Closed-Loop Model Predictive Path Integral Control With Initial-State Sampling Under Execution Delay
- arxiv url: http://arxiv.org/abs/2610.21239v1
- Date: Thu, 15 Oct 2026 04:37:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.179359
- Title: CLIS-MPPI: Closed-Loop Model Predictive Path Integral Control With Initial-State Sampling Under Execution Delay
- Title（参考訳）: CLIS-MPPI:実行遅延初期サンプリングによる閉ループモデル予測経路積分制御
- Abstract要約: 現実世界のロボットシステムでは、最適化された制御入力は、無視できない計画遅延の後、しばしば適用される。
CLIS-MPPIは、計画遅延を妥当な実行時初期状態上の分布としてモデル化することで、実行時状態のミスマッチに対処する。
平均タスク完了時間を25.4秒から24.4秒に短縮し、平均エンドエフェクターパスの長さを0.456mから0.425mに短縮する。
- 参考スコア（独自算出の注目度）: 9.751125819476982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sampling-based motion planning such as Model Predictive Path Integral (MPPI) control has become attractive for robotics due to its ability to handle nonlinear dynamics and non-smooth objectives without gradient information, while leveraging parallel rollout computation for real-time performance. However, in real-world robotic systems, the optimized control input is often applied after a non-negligible planning delay, causing a mismatch between the state used in forward simulation and the actual state at control execution, which can significantly degrade planning accuracy and may even lead to unsafe behavior such as collisions. This paper proposes Closed-Loop MPPI with Initial-State Sampling (CLIS-MPPI), which explicitly addresses execution-time state mismatch by modeling planning delay as a distribution over plausible execution-time initial states, performing rollout optimization from sampled initial states, and applying a rollout-based local feedback correction during control execution. The proposed method is validated through real-world experiments on a 6-DoF UR5e manipulator in a narrow-passage task involving obstacle avoidance and end-effector target reaching. Across 5 real-world runs of the same task, standard MPPI collided in 2 runs, whereas CLIS-MPPI remained collision-free in all 5 runs. Averaged over all collision-free runs for each method (3 for MPPI and 5 for CLIS-MPPI), CLIS-MPPI reduced the average task completion time from 25.4s to 24.4s and the average end-effector path length from 0.456 m to 0.425 m. It also reduced the overall joint-position and joint-velocity root mean square errors (RMSEs) from 0.100 rad and 0.108 rad/s to 0.017 rad and 0.011 rad/s, respectively. These results demonstrate improved safety, planning-execution consistency, and motion smoothness.
- Abstract（参考訳）: モデル予測パス積分(MPPI)制御のようなサンプリングベースの動作計画法は、非線形力学や非滑らかな目的を勾配情報なしで扱えることや、並列ロールアウト計算をリアルタイムに活用できることから、ロボット工学にとって魅力的なものとなっている。
しかし、現実のロボットシステムでは、最適化された制御入力は、非無視的な計画遅延の後、しばしば適用され、前方シミュレーションで使用される状態と制御実行時の実際の状態とのミスマッチを引き起こす。
本稿では,実行時初期状態の分散として計画遅延をモデル化し,サンプル初期状態からのロールアウト最適化を行い,制御実行中にロールアウトに基づくローカルフィードバック補正を適用することで,実行時ミスマッチを明示的に処理するCLIS-MPPIを提案する。
提案手法は、6-DoF UR5eマニピュレータの障害物回避とエンドエフェクタ目標到達を含む狭域通過作業における実環境実験により検証された。
同じタスクで5つの現実世界で、標準的なMPPIは2回のランで衝突したが、CLIS-MPPIは5回のランで無衝突であった。
衝突のない各手法(MPPIでは3回、CLIS-MPPIでは5回)に平均して、CLIS-MPPIは平均タスク完了時間を25.4秒から24.4秒に減らし、平均エンドエフェクタパスは0.456mから0.425mに短縮した。
また、関節位置と関節速度の平均平方誤差(RMSE)をそれぞれ0.100 rad/sと0.108 rad/sから0.017 rad/sと0.011 rad/sに下げた。
これらの結果から, 安全性, 計画と実行の整合性, 動きの滑らかさが向上した。
関連論文リスト
- RFPO: Rectified Flow Policy Optimization for Embodied Control [57.28454299980691]
フローベースのポリシーは、継続的ロボット制御のための表現力のあるフレームワークを提供するが、その反復ODE統合は、かなりの推論コストをもたらす。
本稿では,信頼性のある数ステップ実行のためのフローポリシー最適化フレームワークRFPOを紹介する。
Unitree Go2、Boston Dynamics Spot、Unitree H1、Unitree G1の他、RFPOはワンステップ実行下でのフルステップ制御性能を一貫して維持する。
論文 参考訳（メタデータ） (2026-10-07T17:24:46Z) - 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) - Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。
FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
論文 参考訳（メタデータ） (2026-07-27T05:10:16Z) - PIER-Flow: Physics-Informed Efficient Rectified Flow for Real-Time Mobile Robot Navigation [10.164953732323463]
PIER-Flowは移動ロボットのための軽量ナビゲーションポリシーである。
98.85%の成功率とゼロ衝突を達成し、平均値は$sim$1.29 msである。
論文 参考訳（メタデータ） (2026-07-11T12:34:28Z) - Clustering-Embedded Model Predictive Path Integral Control: Avoiding Averaging-Induced Failure and Enabling Efficient Cluster Selection for Dynamic Obstacles [8.676152401214837]
CEPPI(Cluster-Embedded MPPI)は、シミュレーション基準点から抽出される新しい幾何学的方向特徴を再定義するフレームワークを提案する。
2次元JAX-MPPIシミュレーションの実験では、クラスタリングベースの更新が動的シーンにおける永続的障害を軽減することが示されている。
論文 参考訳（メタデータ） (2026-07-07T17:01:00Z) - 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) - PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。
PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。
7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
論文 参考訳（メタデータ） (2026-02-02T17:57:37Z) - HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control [55.015741360766945]
本稿では,高速なチューニングと低速なチューニングを組み合わせた階層型プロアクティブチューニング(HPTune)フレームワークを提案する。
我々はHPTuneをドップラーLiDARと統合し、位置のみの測定とは別に障害物速度を提供し、運動予測を強化した。
安全でアジャイルな衝突回避戦略を定式化することにより,HPTuneは状況調整型動作計画を可能にする。
論文 参考訳（メタデータ） (2026-01-29T07:15:39Z) - Constraint-Aware Discrete-Time PID Gain Optimization for Robotic Joint Control Under Actuator Saturation [18.71390061417015]
実効ループは離散時間実行、アクチュエータ飽和、小さな遅延と測定の不完全さによって連続時間理論から逸脱する。
飽和離散時間ジョイント制御のための実装認識分析およびチューニングワークフローを提案する。
論文 参考訳（メタデータ） (2026-01-26T16:11:05Z) - 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)
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。