保証付きデータ融合MPC：飛行ヒューマノイドロボットへの応用

- 本論文は Data-Fused Model Predictive Control (DFMPC) という制御フレームワークを提案する。 - 物理ベースモデルと未知ダイナミクスのデータ駆動表現を融合する。 - Willems' Fundamental Lemma と artificial equilibrium 定式化を活用。 - 変化する、到達不能な可能性のある setpoint の追従を可能にする。 - 測定ノイズを slack variables と regularization で明示的に扱う。 - iRonCub flying humanoid robot に適用し、解析的 momentum models とデータ駆動 turbine dynamics を統合する。

- 純粋な model-based MPC と比較して、追従性能とロバスト性の向上を示す。 - 物理モデルとデータ駆動表現を融合する点が特徴。 - Willems' Fundamental Lemma と artificial equilibrium 定式化を組み合わせる。 - 測定ノイズを slack variables と regularization で扱う。 - 入力・出力制約下で recursive feasibility と practical stability の保証を与える。 - 具体的な先行研究との比較は要旨からは不明。

- Data-Fused Model Predictive Control (DFMPC) を提案。 - 物理ベースモデルとデータ駆動の未知ダイナミクス表現を融合。 - Willems' Fundamental Lemma を利用。 - artificial equilibrium 定式化を採用。 - 測定ノイズに対して slack variables と regularization を導入。 - 特定クラスの参照信号に対し、入力・出力制約下で recursive feasibility と practical stability を保証。 - iRonCub では解析的 momentum models とデータ駆動 turbine dynamics を統合。

- iRonCub flying humanoid robot 上で検証。 - 解析的 momentum models とデータ駆動 turbine dynamics を統合。 - シミュレーションにより、純粋な model-based MPC と比較して追従性能とロバスト性の向上を示す。 - リアルタイム実行可能性を維持することを確認。 - 実機実験の有無は要旨からは不明。

- 入力・出力制約下での recursive feasibility と practical stability の保証を提示。 - 保証は特定クラスの参照信号に限定される。 - 測定ノイズを slack variables と regularization で明示的に扱う。 - 変化する、到達不能な可能性のある setpoint の追従を扱う。 - シミュレーションでリアルタイム性を維持。 - 実機での検証や限界に関する議論は要旨からは不明。

- Willems' Fundamental Lemma に関する原論文。 - Data-driven MPC に関する関連研究。 - iRonCub flying humanoid robot に関する研究。 - artificial equilibrium 定式化に関する文献。 - 純粋な model-based MPC との比較研究。 - 要旨で明示的に参照されている個別論文は不明。