論文の概要: Safe-Ballbot: Tilt-Consistent MPC with Control Barrier Functions for Ballbot Navigation
- arxiv url: http://arxiv.org/abs/2611.03307v1
- Date: Mon, 02 Nov 2026 15:38:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 05:14:33.636509
- Title: Safe-Ballbot: Tilt-Consistent MPC with Control Barrier Functions for Ballbot Navigation
- Title（参考訳）: 安全バルボット:ボールボットナビゲーションのための制御バリア機能付きティルト一貫性MPC
- Abstract要約: 本稿では,三輪式ボールボットの2層ナビゲーション方式を提案する。
このスキームは、少なくとも10ドル(約1万2000円)のクリアランスを保ち、2ドル(約2万2000円)のRMSの範囲内で計画を追跡し、9ドル(約9万2000円)から12ドル(約1万1000円)、フルモデルの非線形MPCの15ドル(約1万1000円)のスピードで計画を立てています。
- 参考スコア（独自算出の注目度）: 0.30079490585515345
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Ball-balancing robots (ballbots) must lean to accelerate, and the lean is limited by the wheel torques and by safety. Planners that use the full robot model are expensive, while planners that ignore the balance dynamics produce references that cannot be followed. This paper presents a two-layer navigation scheme for a three-omni-wheel ballbot. The upper layer is a model predictive controller on a \emph{jerk model} of the ball position, with discrete-time control barrier functions for static, moving, rotating and concave obstacles. The lower layer is a hierarchical sliding mode controller with an extended state observer and a robust exponential control barrier function on the tilt (HSMC-ESO-ECBF). The layers are linked by an acceleration bound derived in closed form from the largest steady tilt that the barrier function admits, so that the plan never asks for a lean the tracker refuses. For obstacles whose motion is only predicted, the obstacles are inflated by conformal prediction radii that bound the prediction error with a prescribed probability. In MuJoCo, with omni-wheel roller contacts and torque saturation, the scheme keeps at least $10$\,cm of clearance, tracks the plan within $2$\,cm RMS, keeps the tilt below the limit and plans in $9$--$12$\,ms, $10$--$15$ times faster than a full-model nonlinear MPC that enters the inflated obstacles; with predicted obstacles, the conformal inflation removes the collisions of a constant-velocity predictor in $30$ random crossing scenarios and reduces them in an endless run on a closed path.The source code and video illustrations are available at https://safe-ballbot.github.io
- Abstract（参考訳）: ボールバランスロボット(ボールボット)は、加速するために傾く必要があり、リーンは車輪トルクと安全によって制限される。
完全なロボットモデルを使用するプランナーは費用がかかるが、バランスダイナミクスを無視するプランナーはフォローできない参照を生成する。
本稿では,三輪式ボールボットの2層ナビゲーション方式を提案する。
上層はボール位置の \emph{jerk model} 上のモデル予測コントローラであり、静的、移動、回転、凹凸障害物に対する離散時間制御バリア機能を持つ。
下層は階層型スライディングモードコントローラであり、拡張状態オブザーバと傾き(HSMC-ESO-ECBF)の頑健な指数関数制御バリア機能を備えている。
層は、バリア関数が許容する最大の定常傾きから閉じた形で導かれる加速度によってリンクされるので、プランはトラッカーが拒否するリーンを決して求めない。
動きしか予測されない障害物に対しては、予測誤差を所定の確率で束縛する共形予測半径によって障害を膨らませる。
MuJoCoでは、全輪のローラー接触とトルク飽和を伴い、少なくとも10ドル(約1万2000円)のクリアランスを保ち、計画の傾きを9ドル(約2万2000円)以下に維持し、膨らんだ障害物に入るフルモデルの非線形MPCよりも15ドル(約1万2000円)の速さで計画を立てています。
関連論文リスト
- Neural Integral Control Barrier Functions for Agile Collision Avoidance [4.33239930702559]
本稿では,3つ全てをデータから学習するアプローチを提案する。この手法は,力学のニューラル常微分方程式(ODE),名目制御器の模倣,バリア関数の教師付き回帰などである。
6-Dのダイナミック自転車によるアジャイルレースでは、フィルタは、保持された200のレイアウトから12の安全でないエピソードをすべて、一定の成功率で取り除き、1つのCPUコア上で100Hz以上を消費する。
論文 参考訳（メタデータ） (2026-11-02T06:53:14Z) - SWAP: Test-Time Steerable Humanoid Whole-Body Collision Avoidance [45.883245648611954]
SWAP(Steerable Whole-body Avoidance Policy)は、衝突を意識した意思決定と安定化を分離する階層的な枠組みである。
高レベルな知覚条件付き拡散ポリシーは、多重モードの衝突対応モーションプロポーザルを生成する。
低レベルの全身RLコントローラはこれらの提案を追跡し、動的バランスを維持する。
論文 参考訳（メタデータ） (2026-10-19T03:00:50Z) - SC3BF: Shifted Collision Cone Control Barrier Function for Dynamic Obstacle Avoidance [0.0]
Emphshifted collision-cone CBF (SC3BF)
遠心衝突円錐CBF(SC3BF)を提案する。
そのため、ロボットは距離と速度で成長する速度で障害物に近づくことができる。
論文 参考訳（メタデータ） (2026-10-06T13:30:23Z) - 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) - A Relaxed Quadratic-Program-based Framework for Trajectory Tracking of Unicycle Robots with Singularity Avoidance [1.3318026799252654]
動的フィードバック線形化(Dynamic feedback linearization, DFL)は, 一輪車型移動ロボットの軌道追尾技術である。
線形速度がなくなるとDFLベースのコントローラは特異となり、標準のDFLベースのコントローラは停止と逆操作には適さない。
本稿では,この特異性を回避する2次プログラム(QP)に基づく最適制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-22T13:55:21Z) - Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions [45.68209588239261]
本研究は,多目的ロボットのフットプリントが凸自由空間領域内に留まることを保証する安全な局所運動計画制御手法を提案する。
提案された自由空間定式化では障害物検出やセグメンテーションは不要である。
このアプローチは、自動運転車と非ホロノミックな移動ロボットによるハードウェアによるシミュレーションで検証されている。
論文 参考訳（メタデータ） (2026-06-08T16:44:28Z) - Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。
提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。
このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
論文 参考訳（メタデータ） (2026-04-27T14:20:10Z) - A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance [45.63674336069651]
ソフト連続マニピュレータは機械的コンプライアンスを通じて受動的安全性を提供する。
サンプリングベースの計画のような既存のアプローチは、しばしば計算コストが高く、正式な安全保証がない。
本稿では,リアルタイム3次元障害物回避のための閉形式制御リャプノフ関数-制御バリア関数(CLF-CBF)について述べる。
論文 参考訳（メタデータ） (2026-03-19T19:34:49Z) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳（メタデータ） (2025-01-16T16:45:08Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z)
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。