論文の概要: Integrating Flow Matching and Model Predictive Control for Safe Robot Navigation

• arxiv url: http://arxiv.org/abs/2610.29377v1
• Date: Wed, 21 Oct 2026 08:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.284308
• Title: Integrating Flow Matching and Model Predictive Control for Safe Robot Navigation
• Title（参考訳）: 安全ロボットナビゲーションのためのフローマッチングとモデル予測制御の統合
• Abstract要約: 本研究では,フローマッチングに基づく経路計画とモデル予測経路追従制御を組み合わせたフレームワークを提案する。 このフレームワークは、適応的でデータ駆動ナビゲーションのためのフローマッチングと予測制御を組み合わせるための体系的なアプローチを提供する。
• 参考スコア（独自算出の注目度）: 19.74030842960802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning-based path planners based on diffusion and flow matching can generate diverse trajectories from demonstrations but typically lack mechanisms for constraint satisfaction and collision avoidance during deployment. This work proposes a framework that combines flow-matching-based path planning with model predictive path-following control to integrate data-driven path generation with real-time, constraint-aware execution. The flow-matching model captures multimodal path distributions, while the predictive controller adapts motion online to satisfy state and input constraints and avoid obstacles using updated local sensor information. An event-triggered re-planning scheme incorporates predictive control solutions into subsequent path generation, promoting collision-free navigation in environments with previously unseen obstacles. Simulation results for mobile robot navigation demonstrate robust performance across cluttered environments. The framework provides a systematic approach to combining flow matching with predictive control for adaptive, data-driven navigation.
• Abstract（参考訳）: 拡散とフローマッチングに基づく学習ベースのパスプランナは、デモからさまざまな軌道を生成することができるが、通常はデプロイメント中に制約満足度と衝突回避のメカニズムが欠如している。 本研究では,フローマッチングに基づく経路計画とモデル予測経路追従制御を組み合わせることで,データ駆動経路生成と制約認識実行をリアルタイムに統合するフレームワークを提案する。 フローマッチングモデルはマルチモーダル経路分布をキャプチャし、予測制御器はオンラインで動きを適応して状態や入力制約を満たし、更新された局所センサ情報を用いて障害物を回避する。 イベントトリガーによる再計画スキームは、予測制御ソリューションをその後の経路生成に組み込むことで、以前は目に見えない障害物のある環境での衝突のないナビゲーションを促進する。 移動ロボットナビゲーションのシミュレーション結果は, 乱雑な環境におけるロバストな性能を示す。 このフレームワークは、適応的でデータ駆動ナビゲーションのためのフローマッチングと予測制御を組み合わせるための体系的なアプローチを提供する。

関連論文リスト

• TransNav: Transformer-Based End-to-End Navigation Method for Static and Dynamic Quadrotor Obstacle Avoidance [47.24244938993914]
  本稿では,トランスナブ(TransNav)を提案する。 提案手法は,高密度な静的環境における強い性能と動的シナリオにおける競合的障害物回避能力を実現する。
  論文  参考訳（メタデータ） (2026-10-16T15:39:19Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Proposal-Conditioned Latent Diffusion for Closed-Loop Traffic Scenario Generation [1.6711881128691604]
  本稿では,インスタンス中心のシーンコンテキストとマルチモーダルな提案を前提とした拡散型シナリオ生成フレームワークを提案する。 Open Motionデータセットの実験では、さまざまなインタラクティブなシナリオにおけるリアリズム、安全性、コントロール可能性のバランスが好まれている。
  論文  参考訳（メタデータ） (2026-06-25T15:01:31Z)
• JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems [1.9236465591431287]
  本稿では,単条件軌道生成問題として参加者予測とロボット計画を扱う共同予測計画拡散フレームワークを提案する。 シナリオグラウンドシミュレーション、自然主義的な歩行者リプレイ、Isaac Simバリデーション、ROS/Orinデプロイメントの実験は、共同サンプリングが尾の安全性と実行効率を改善することを示している。
  論文  参考訳（メタデータ） (2026-06-14T11:15:44Z)
• Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
  本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。 提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。 これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
  論文  参考訳（メタデータ） (2025-04-30T13:47:25Z)
• Controllable Diverse Sampling for Diffusion Based Motion Behavior Forecasting [11.106812447960186]
  制御可能拡散軌道(CDT)と呼ばれる新しい軌道生成器を導入する。 CDTは、情報と社会的相互作用をトランスフォーマーに基づく条件記述拡散モデルに統合し、将来の軌跡の予測を導く。 マルチモーダル性を確保するため,直進,右折,左折などの軌道モードを指示する行動トークンを組み込んだ。
  論文  参考訳（メタデータ） (2024-02-06T13:16:54Z)
• Layout Sequence Prediction From Noisy Mobile Modality [53.49649231056857]
  軌道予測は、自律運転やロボット工学などの応用における歩行者運動を理解する上で重要な役割を担っている。 現在の軌道予測モデルは、視覚的モダリティからの長い、完全な、正確に観察されたシーケンスに依存する。 本稿では,物体の障害物や視界外を,完全に視認できる軌跡を持つものと同等に扱う新しいアプローチであるLTrajDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-09T20:32:49Z)
• Multi-modal Scene-compliant User Intention Estimation for Navigation [1.9117798322548485]
  本研究では,移動体操作時のユーザ意図分布生成フレームワークを提案する。 モデルは過去の観測された軌跡から学習し、視覚環境から派生した可視性情報を活用する。 実験は、オープンソースの都市運転シミュレータCARLA上に構築されたカスタム車椅子モデルを用いて収集されたデータセット上で行われた。
  論文  参考訳（メタデータ） (2021-06-13T05:11:33Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。