日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御バリア関数arXiv:2510.01059

未モデル化遅延を伴う離散時間線形システムに対する予測制御バリア関数

Predictive Control Barrier Functions for Discrete-Time Linear Systems with Unmodeled Delays

シェア:XThreadsFacebookLINEはてブBluesky

入力遅延や未モデル化ダイナミクスにより相対次数が不明な離散時間システムに対し、予測ホライズンを拡張して相対次数1のCBFを構成する予測制御バリア関数フレームワークを提案し、安全集合の制約を簡素化した。

詳しい要約

1. どんなもの?

- 入力遅れや未モデル化入力ダイナミクスに起因する未知の相対次数を持つ離散時間線形システムに対し、状態制約を課すための predictive control barrier function (PCBF) フレームワークを提案する論文。 - 相対次数が1より大きい場合でも補助的な barrier function を必要とせず、安全集合の制約執行を簡素化する。 - 離散時間 double integrator の入力遅れ系と、位置制約付き bicopter 系で有効性を示す。

2. 先行研究と比べてどこがすごい?

- 既存の離散時間 CBF 定式化は、相対次数が1より大きい場合に補助 barrier function の構築を要し、実装が複雑で保守的な安全集合になり得る。 - 提案 PCBF は予測ホライズンを拡張して相対次数1の関連システムに対する CBF を構築する点が異なる。 - その結果、PCBF の superlevel set が安全集合と一致し、補助関数を不要にしつつ制約執行を簡素化できる。

3. 技術・手法の肝は?

- 未知の相対次数(入力遅れや未モデル化入力ダイナミクス由来)に対処するため、prediction horizon を拡張する。 - 拡張した予測を用いて、相対次数1の関連システムに対する CBF を構築する。 - PCBF の superlevel set を安全集合と一致させ、補助 barrier function なしで状態制約を執行する枠組み。 - 対象は離散時間線形システム。

4. どうやって有効だと検証した?

- 入力遅れを持つ離散時間 double integrator に適用して有効性を実証。 - 位置制約を持つ bicopter システムに適用して有効性を実証。 - 具体的な評価指標や比較実験の詳細は要旨からは不明。

5. 議論はある?

- 補助 barrier function を不要にし、保守的な安全集合を避けられる点が利点として述べられている。 - 未知の相対次数や入力遅れ・未モデル化入力ダイナミクスへの適用可能性が議論の中心。 - 限界や理論保証の詳細、計算負荷、一般の非線形系への拡張性は要旨からは不明。

6. 次に読むべき論文は?

- 離散時間 CBF の定式化(相対次数が1より大きい場合に補助 barrier function を要する既存手法)。 - control barrier function (CBF) の基礎文献。 - discrete-time double integrator および bicopter に関する制約付き制御の関連研究。 - 入力遅れを持つシステムに対する安全制約手法(要旨で具体的な参照論文名は不明)。

※ 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: Juan Augusto Paredes Salazar, James Usevitch, Ankit Goel

分類: eess.SY, cs.RO, cs.SY, math.OC

原文アブストラクト

This paper introduces a predictive control barrier function (PCBF) framework for enforcing state constraints in discrete-time systems with unknown relative degree, which can be caused by input delays or unmodeled input dynamics. Existing discrete-time CBF formulations typically require the construction of auxiliary barrier functions when the relative degree is greater than one, which complicates implementation and may yield conservative safe sets. The proposed PCBF framework addresses this challenge by extending the prediction horizon to construct a CBF for an associated system with relative degree one. As a result, the superlevel set of the PCBF coincides with the safe set, simplifying constraint enforcement and eliminating the need for auxiliary functions. The effectiveness of the proposed method is demonstrated on a discrete-time double integrator with input delay and a bicopter system with position constraints.

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. 2GXO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
  3. 3newmo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
  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