多様体上の統合計画と制御：ファクターグラフ表現とツールキット

- 本論文は FactorMPC と名付けた factor-graph ベースの MPC toolkit を提案する。 - システムの dynamics・constraints・objectives を modular で使いやすい最適化構造に統合する。 - manifold 上で状態が発展する系（例：robotic attitude dynamics、constrained motion planning）を対象とする。 - 安全重視応用向けに velocity-extended on-manifold CBF-based obstacle avoidance factors を設計する。 - quadrotor の simulation と実験で評価し、open-source implementation も提供する。

- 従来の Euclidean formulations は manifold 上の系で singularities・over-parameterization・poor convergence に苦しむと論じている。 - 提案法は manifold-valued states を native に扱い、Gaussian uncertainties を tangent spaces でモデル化する。 - factor graphs の sparsity と probabilistic structure を活用し、複雑な制約を持つ高次元系でも real-time performance を達成すると主張する。 - graphical models と safety-critical MPC を橋渡しする点を新規性として位置づけている。 - 具体的な先行研究名や数値比較の詳細は要旨からは不明。

- factor-graph 表現により dynamics・constraints・objectives を modular な factors として統合する MPC toolkit。 - manifold-valued states を扱い、Gaussian uncertainties は tangent spaces 上でモデル化する。 - factor graphs の sparsity と probabilistic structure を利用して最適化を効率化する。 - velocity-extended on-manifold CBF-based obstacle avoidance factors を安全制約として組み込む。 - plug-and-play factors を備えた open-source implementation を提供する。

- simulations と experimental results を quadrotor で実施している。 - trajectory tracking と obstacle avoidance の性能を baseline methods と比較している。 - 提案法が baseline より優れた性能を示したと報告している。 - 具体的な評価指標・baseline 名・実験条件の詳細は要旨からは不明。

- 要旨からは不明。 - ただし Euclidean formulations の singularities・over-parameterization・poor convergence を動機として述べている。 - manifold 上での Gaussian uncertainties の tangent space モデル化や CBF factors の設計に関する限界・議論は要旨からは不明。

- 要旨で明示的に参照・比較されている個別論文は不明。 - 関連手法として factor graph ベース最適化（例：GTSAM などの factor graph ライブラリ）、MPC、control barrier function (CBF)、manifold optimization の定番文献を次に読む候補として挙げる。 - quadrotor の trajectory tracking・obstacle avoidance に関する baseline 手法の原典も確認する必要がある。