日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2505.09145

ニューラルネットワーク支援カルマンフィルタとモデル予測制御による波浪面上でのロボット支援ドローン回収

Neural Network Aided Kalman Filtering with Model Predictive Control Enables Robot-Assisted Drone Recovery on a Wavy Surface

シェア:XThreadsFacebookLINEはてブBluesky

KalmanNet++で波浪外乱下のドローン位置を予測し、モデル予測制御でマニピュレータの捕捉軌道を計画する統合フレームワークを提案し、95%以上の成功率を達成した。

詳しい要約

1. どんなもの?

- 波のある水面でのドローン回収をロボット支援で行う統合フレームワーク - 2つの主要タスクを扱う - 波による外乱下で移動するドローンの位置を KalmanNet Plus Plus (KalmanNet++) で予測 - 得られた目標位置へのマニピュレータの軌道計画を Receding Horizon Model Predictive Control (RHMPC) で実施 - マニピュレータサブシステムと UAV サブシステムからなる協調システムを設計し、ドローンの持ち上げと回収を実現 - 海上ロボティクスにおける実用的解決策を目指す

2. 先行研究と比べてどこがすごい?

- 複数の予測手法を比較し、提案する KalmanNet++ を採用 - 従来のベースライン手法と比較して最大10%の効率向上、20%の精度向上を達成 - 成功率95%以上を達成し、state-of-the-art の性能を主張 - 波によるベースの動揺に加え、トルク制約や関節制約といった限られた制約下でもリアルタイムに捕捉軌道を計画 - 具体的なベースライン手法名は要旨からは不明

3. 技術・手法の肝は?

- 位置予測に Neural Network Aided Kalman Filtering である KalmanNet++ を使用 - KalmanNet++ はドローンの0.1 s先の将来位置を予測 - 予測位置を目標位置としてマニピュレータへ渡す - マニピュレータは Receding Horizon Model Predictive Control (RHMPC) によりリアルタイムで捕捉軌道を計画 - 波によるベース運動とトルク制約・関節制約を考慮 - マニピュレータサブシステムと UAV サブシステムの協調システムでドローン持ち上げ・回収を実現

4. どうやって有効だと検証した?

- シミュレーションと実世界実験を実施 - 波による外乱を受けた運動データを使用 - 成功率95%以上を確認 - 従来のベースライン手法と比較して効率最大10%、精度最大20%の改善を確認 - 結果からシステムの実現可能性とロバスト性を示す

5. 議論はある?

- 提案手法が state-of-the-art 性能を達成し、海上ドローン運用への実用的解決策を提供すると主張 - 波によるベース運動やトルク制約・関節制約下での有効性を強調 - 具体的な限界や失敗ケース、議論の詳細は要旨からは不明

6. 次に読むべき論文は?

- KalmanNet (Neural Network Aided Kalman Filtering の基盤手法) - Model Predictive Control (MPC) および Receding Horizon Model Predictive Control (RHMPC) に関する文献 - 海上ロボティクスにおける UAV 回収・着陸に関する研究 - 波による外乱下でのマニピュレータ軌道計画に関する研究 - 要旨で参照されている個別のベースライン手法名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yimou Wu, Mingyang Liang, Chongfeng Liu, Zhongzhong Cao, Huihuan Qian

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

Recovering a drone on a disturbed water surface remains a significant challenge in maritime robotics. In this paper, we propose a unified framework for robot-assisted drone recovery on a wavy surface that addresses two major tasks: Firstly, accurate prediction of a moving drone's position under wave-induced disturbances using KalmanNet Plus Plus (KalmanNet++), a Neural Network Aided Kalman Filtering we proposed. Secondly, effective motion planning using the desired position we got for a manipulator via Receding Horizon Model Predictive Control (RHMPC). Specifically, we compared multiple prediction methods and proposed KalmanNet Plus Plus to predict the position of the UAV, thereby obtaining the desired position. The KalmanNet++ predicts the drone's future position 0.1\,s ahead, while the manipulator plans a capture trajectory in real time, thus overcoming not only wave-induced base motions but also limited constraints such as torque constraints and joint constraints. For the system design, we provide a collaborative system, comprising a manipulator subsystem and a UAV subsystem, enables drone lifting and drone recovery. Simulation and real-world experiments using wave-disturbed motion data demonstrate that our approach achieves a high success rate - above 95\% and outperforms conventional baseline methods by up to 10\% in efficiency and 20\% in precision. The results underscore the feasibility and robustness of our system, which achieves state-of-the-art performance and offers a practical solution for maritime drone operations.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI