論文の概要: Real-Time Disturbance-Aware Koopman Model Predictive Control for Quadrotors in Spatially Varying Winds

• arxiv url: http://arxiv.org/abs/2610.27414v1
• Date: Tue, 20 Oct 2026 00:09:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.556107
• Title: Real-Time Disturbance-Aware Koopman Model Predictive Control for Quadrotors in Spatially Varying Winds
• Title（参考訳）: 空間変動風におけるクアドロレータの実時間外乱を考慮したクープマンモデル予測制御
• Abstract要約: オンライン適応は、外乱誘発モデルミスマッチの増加に伴い、多段階予測と軌道追跡を改善する。 均一風下でのナノクワッドロータのハードウェア実験は、乱れによるモデルミスマッチの増加に伴い、オンライン適応が多段階予測と軌道追跡を改善することを示した。
• 参考スコア（独自算出の注目度）: 43.13758000077063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable quadrotor flight in disturbed environments requires predictive models that remain accurate as unmodeled aerodynamic effects change during deployment. We introduce a disturbance-aware Koopman Control Family (DA-KCF) framework that preserves an offline-identified nominal model while learning only a disturbance-induced correction online. A reference-dependent KCF is first learned from simulation data and calibrated using limited hardware data. During deployment, the nominal KCF remains fixed while a lightweight residual ensemble learns a low-dimensional disturbance correction from causal state-command-state transitions. The Adaptive DA-KCF model is incorporated into MPC, where disturbance corrections are evaluated along the prediction horizon to optimize position and yaw references sent to the onboard stabilizing controller. Hardware experiments on a nano-quadrotor under uniform wind and a spatially varying wake demonstrate that online adaptation improves multi-step prediction and trajectory tracking as disturbance-induced model mismatch increases, while satisfying real-time control requirements.
• Abstract（参考訳）: 乱れた環境での信頼性の高い四極子飛行は、展開中に非モデル化された空力効果が変化するように、正確な予測モデルを必要とする。 オンライン上で障害誘発補正のみを学習しながら,オフラインで識別された名目モデルを保存する,障害対応のクープマンコントロールファミリ(DA-KCF)フレームワークを提案する。 参照依存型KCFは、まずシミュレーションデータから学習し、限られたハードウェアデータを用いて校正する。 展開中のKCFは、軽量な残留アンサンブルが因果状態-コマンド状態遷移から低次元の外乱補正を学習している間も固定されている。 適応DA-KCFモデルはMPCに組み込まれ、予測地平線に沿って外乱補正を評価して位置とヨー基準を最適化する。 均一風下でのナノクワッドロータのハードウェア実験により、オンライン適応は、リアルタイム制御要件を満たすとともに、乱れによるモデルミスマッチの増加に伴い、多段階予測と軌道追跡を改善することを示した。

関連論文リスト

• Fixed-Time Dynamic Landing of Quadrotors using Adaptive Unscented Kalman Filtering and Nonlinear Model Predictive Control [0.0]
  本稿では,移動プラットフォーム上でのマルチロータ無人航空機の動的着陸を推定・制御するためのフレームワークを提案する。 提案手法は,非線形モデル予測制御を実時間最小軌道プランナと統合する。 EKF/UKF法と比較して、繰り返し着地し、プラットフォーム速度予測精度を向上させることが示されている。
  論文  参考訳（メタデータ） (2026-06-01T06:05:34Z)
• Learning Cross-Coupled and Regime Dependent Dynamics for Aerial Manipulation [3.247008128557575]
  空中マニピュレータにおける適応的残留力学学習のための構造化エンコーダデコーダフレームワークを提案する。 その結果、残差予測精度の向上、動作条件の変化による適応の高速化、MPCに基づく軌道追跡性能の向上が示された。
  論文  参考訳（メタデータ） (2026-05-14T13:17:04Z)
• PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
  既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。 我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。 本手法は,結合予測システムの長期安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-05-09T13:12:33Z)
• RK-MPC: Residual Koopman Model Predictive Control for Quadruped Locomotion in Offroad Environments [1.4610038284393168]
  Residual Koopman MPC (RK-MPC) はデータ駆動型モデル予測制御フレームワークである。 RK-MPCは、昇降座標のデータから学習したコンパクトな線形残留予測器を備えた名目テンプレートモデルを強化する。 RK-MPCは、非構造化環境における四重項のデータ駆動予測制御のための実用的なハードウェア検証経路を提供する。
  論文  参考訳（メタデータ） (2026-04-05T18:43:23Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Deep Bilinear Koopman Model for Real-Time Vehicle Control in Frenet Frame [0.0]
  本稿では,カービリニアFrenetフレーム内の車両力学のモデリングと制御のための深いクープマン手法を提案する。 提案フレームワークは、深層ニューラルネットワークアーキテクチャを使用して、データからクープマン演算子とその関連する不変部分空間を同時に学習する。 提案した制御器は, ベースライン制御器と比較して追従誤差を著しく低減し, 組込み自動運転車システムにおけるリアルタイム実装に適していることを確認した。
  論文  参考訳（メタデータ） (2025-07-16T18:49:44Z)
• On Controller Tuning with Time-Varying Bayesian Optimization [74.57758188038375]
  制御対象とその変更に関する適切な事前知識を用いて、時間変化最適化(TVBO)を用いて、変更環境におけるコントローラのオンラインチューニングを行う。 本研究では,不確実性注入(UI)を用いたTVBO戦略を提案する。 我々のモデルはTVBOの最先端手法よりも優れており、後悔の軽減と不安定なパラメータ構成の低減を実現している。
  論文  参考訳（メタデータ） (2022-07-22T14:54:13Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。