論文の概要: FLASH-CBF-RRT: Fast Lipschitz-Adaptive Safe Horizon CBF Steering for Certified Motion Planning
- arxiv url: http://arxiv.org/abs/2610.24149v1
- Date: Fri, 16 Oct 2026 19:22:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 10:38:06.622127
- Title: FLASH-CBF-RRT: Fast Lipschitz-Adaptive Safe Horizon CBF Steering for Certified Motion Planning
- Title（参考訳）: FLASH-CBF-RRT:高速リプシッツ適応型安全水平CBFステアリング
- Abstract要約: 制御バリア関数(CBF)制約を持つ二次プログラムコントローラは、効率的な局所的ステアリングを実現するために使用できる。
本研究では,CBFフィルタ速度を適用可能な時間地平線を計算し,CBFステアリングを高速化する手法を開発した。
689のMotionBenchMaker問題全体で、FLASH-CBF-RRTはRTT-Connectの100%の成功率と一致し、中央値の計画時間を3.82倍に短縮した。
- 参考スコア（独自算出の注目度）: 7.6557550594212715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast motion planning requires both sample-efficient exploration and computationally efficient local steering. Conventional straight-line steering is inexpensive but wastes samples by rejecting colliding extensions. Quadratic program controllers with control barrier function (CBF) constraints can be used to achieve effective local steering but can increase the planning time due to the expensive sequential evaluations. We develop a method to accelerate CBF steering by computing a time horizon within which CBF-filtered velocity may be applied constantly using closed-form kinematic bounds on collision-clearance. Our method, FLASH-CBF-RRT, significantly reduces the number of evaluations compared to prior CBF-RRT approaches because the planner can take adaptive steering step sizes that are shorter near obstacles and longer in open space. We implement this steering procedure as an extension of RRT-Connect in OMPL. Across 689 MotionBenchMaker problems, FLASH-CBF-RRT matches RRT-Connect's 100% success rate while reducing median planning time by 3.82x, and is 3.88x faster than fixed-step CBF-RRT. Hardware experiments on a 17-DoF mobile manipulator demonstrate 2.2x faster planning and 4.2x fewer evaluations. Videos and results are available at: https://mamani828.github.io/FLASH-CBF-RRT/.
- Abstract（参考訳）: 高速な運動計画には、サンプル効率の高い探索と計算効率のよい局所的な操舵の両方が必要である。
従来の直線ステアリングは安価だが、衝突拡大を拒否することでサンプルを無駄にする。
制御バリア関数(CBF)制約を持つ二次プログラムコントローラは、効率的な局所的ステアリングを実現するために使用できるが、高価なシーケンシャルな評価のために計画時間を増やすことができる。
本研究では、CBFフィルタ速度を衝突クリアランス上の閉形式運動境界を用いて連続的に適用できる時間地平線を計算し、CBFステアリングを高速化する手法を開発した。
提案手法であるFLASH-CBF-RRTは, 従来のCBF-RRT手法と比較して, 障害物近傍でより短く, より長くなる適応的なステアリングステップサイズを取ることができるため, 評価回数を大幅に削減する。
我々はこのステアリング手順を,OMPLにおけるRT-Connectの拡張として実装する。
689 MotionBenchMaker問題全体では、FLASH-CBF-RRTはRTT-Connectの100%の成功率と一致し、中央値の計画時間を3.82倍に削減し、固定ステップCBF-RRTよりも3.88倍高速である。
17-DoFモバイルマニピュレータのハードウェア実験は2.2倍の高速計画と4.2倍の少ない評価を実証している。
ビデオと結果は、https://mamani828.github.io/FLASH-CBF-RRT/.comで公開されている。
関連論文リスト
- Funnel planning and control for manipulators using neural Signed Configuration Distance Functions [12.527286929738706]
マニピュレータのための新しいファンネル計画と制御手法を提案する。
我々は、衝突のない球や勾配を推定するために、ニューラルサイン付き構成距離関数(nSCDF)を用いる。
ファンネル制御にnSCDFを用いた場合, 動作性能とロバスト性の向上が観察された。
論文 参考訳（メタデータ） (2026-10-10T13:39:34Z) - Safe Ergodic Control for Multi-Robot Systems via Quadratic Programming [8.512867189292056]
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。
論文 参考訳（メタデータ） (2026-10-04T14:30:04Z) - 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) - Biconvex Optimization for Smooth Minimum-Time Trajectories around Convex Obstacles [49.315843050082925]
本稿では,最小時間移動計画凸障害物に対して,収束が保証されるバイアプローチを提案する。
提案手法は,変数の最先端分解を生成するために,時間とともに高品質な軌道を生成する。
論文 参考訳（メタデータ） (2026-08-03T19:48:24Z) - Fast-dDrive: Efficient Block-Diffusion VLM for Autonomous Driving [54.31800246594724]
本稿では,ブロック拡散型VLAであるFast-dDriveについて述べる。
我々は、Fast-dDriveが運転エージェントの速度精度フロンティアを再定義することを示す。
論文 参考訳（メタデータ） (2026-05-22T02:31:32Z) - Residual RL--MPC for Robust Microrobotic Cell Pushing Under Time-Varying Flow [0.6053202932413693]
微小流体流中における接触豊富なマイクロマニピュレーションは、小さな乱れが接触を壊し、大きな横方向のドリフトを引き起こすため、困難である。
時間変化したポアゼイユ流下でのウェイポイントサンプリングされた基準曲線を追尾する磁気マイクロロボットによる平面セルの押圧について検討した。
SACが学習した残留ポリシーで名目MPCを増強するハイブリッドコントローラを提案する。
論文 参考訳（メタデータ） (2026-03-05T18:20:07Z) - 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) - Design and Experimental Validation of Closed-Form CBF-Based Safe Control for Stewart Platform Under Multiple Constraints [8.392402091638091]
本稿では、スチュワートロボットプラットフォーム上での安全制約を強制するための制御バリア関数(CBF)フレームワークのクローズドフォームソリューションを提案する。
提案手法は明示的な閉形式制御法により複数の位置と速度の制約を同時に処理する。
このコントローラーは、カスタムビルドされたStewartプラットフォームプロトタイプのシミュレーションとハードウェアの実験の両方で検証されている。
論文 参考訳（メタデータ） (2025-12-11T21:13:47Z) - Local Bayesian Optimization for Controller Tuning with Crash Constraints [47.30677525394649]
我々は最近提案されたBOの局所変種をクラッシュ制約を含むように拡張し、制御器は未知の既知領域でしか評価できないようにした。
本研究は,制御性能の向上とチューニングに必要な時間と資源の削減を目的としたローカルBOの可能性を示すものである。
論文 参考訳（メタデータ） (2024-11-25T10:37:48Z) - Efficient Motion Planning for Manipulators with Control Barrier Function-Induced Neural Controller [20.96625501481311]
本稿では、サンプリングベースモーションプランナRTRに必要なサンプル数を削減すべく、CBFベースのステアリングコントローラを提案する。
本手法は, リアルタイム衝突回避制御におけるCBFの強度と, 長距離移動計画のためのRTとを組み合わせたものである。
論文 参考訳（メタデータ） (2024-04-01T15:36:39Z) - 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)
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。