予測制御/着陸2026/2/1arXiv:2602.15633

SpecFuse: 波浪上プラットフォームへのUAV着陸のためのスペクトル・時間融合予測制御フレームワーク

SpecFuse: A Spectral-Temporal Fusion Predictive Control Framework for UAV Landing on Oscillating Marine Platforms

波浪による多周波振動下でUSVの6自由度運動を周波数領域と時間領域を融合して高精度予測し、階層型制御でUAVの自律着陸を実現した。

詳しい要約

1. どんなもの？

- UAVが波で揺れる海上プラットフォーム(USV)へ自律着陸する問題を扱う。 - 波による多周波振動、風外乱、運動予測の位相遅れが課題。 - SpecFuse: 周波数領域の波分解と時間領域の再帰的状態推定を融合したspectral-temporal fusion predictive control frameworkを提案。 - USVの高精度6-DoF運動予測を行う。 - 階層型制御: HPO-RRT*による動的軌道計画と、学習拡張型予測制御器。

2. 先行研究と比べてどこがすごい？

- 既存手法はプラットフォーム運動を一般的な確率過程として扱うか、波のスペクトル特性を明示的にモデル化しないため、動的海況で性能が不十分。 - 提案法は周波数領域の波分解と時間領域の再帰的推定を統合し、主要な波の高調波を明示的にモデル化して位相遅れを緩和。 - IMUデータでリアルタイムに予測を精緻化し、複雑なキャリブレーションを不要とする。 - 精度でstate-of-the-artを44%-48%上回る。

3. 技術・手法の肝は？

- 周波数領域のwave decompositionと時間領域のrecursive state estimationを融合。 - 主要なwave harmonicsを明示的にモデル化し、位相遅れを軽減。 - IMUデータを用いて複雑なキャリブレーションなしにリアルタイムで予測を更新。 - 階層型制御: 非凸制約下の動的軌道計画のためのsampling-based HPO-RRT*。 - 学習拡張型予測制御器: データ駆動の外乱補償と最適化ベースの実行を融合。

4. どうやって有効だと検証した？

- 2,000回のシミュレーションと8回の湖上実験で検証。 - 予測誤差3.2 cm、着陸偏差4.46 cm、成功率98.7%(シミュレーション)/87.5%(実世界)、組込みハードウェアで遅延82 msを達成。 - 精度でstate-of-the-artを44%-48%上回る。 - 波と風の連成外乱に対するロバスト性を確認。

5. 議論はある？

- 波と風の連成外乱へのロバスト性が、search and rescueやenvironmental monitoringなどの重要海事ミッションを支援。 - コード、実験設定、データセットをオープンソースで公開し再現性に貢献。 - 限界や失敗事例、計算コストの詳細な議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている具体的な先行研究は明示されていない。 - 関連手法として、wave spectral modeling、recursive state estimation、HPO-RRT*、learning-augmented predictive control、UAV landing on moving platformsの定番研究を挙げる。 - 具体的な論文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: Haichao Liu, Yufeng Hu, Shuang Wang, Kangjun Guo, Jun Ma, Jinni Zhou

分類: cs.RO

原文アブストラクト

Autonomous landing of Uncrewed Aerial Vehicles (UAVs) on oscillating marine platforms is severely constrained by wave-induced multi-frequency oscillations, wind disturbances, and prediction phase lags in motion prediction. Existing methods either treat platform motion as a general random process or lack explicit modeling of wave spectral characteristics, leading to suboptimal performance under dynamic sea conditions. To address these limitations, we propose SpecFuse: a novel spectral-temporal fusion predictive control framework that integrates frequency-domain wave decomposition with time-domain recursive state estimation for high-precision 6-DoF motion forecasting of Uncrewed Surface Vehicles (USVs). The framework explicitly models dominant wave harmonics to mitigate phase lags, refining predictions in real time via IMU data without relying on complex calibration. Additionally, we design a hierarchical control architecture featuring a sampling-based HPO-RRT* algorithm for dynamic trajectory planning under non-convex constraints and a learning-augmented predictive controller that fuses data-driven disturbance compensation with optimization-based execution. Extensive validations (2,000 simulations + 8 lake experiments) show our approach achieves a 3.2 cm prediction error, 4.46 cm landing deviation, 98.7% / 87.5% success rates (simulation / real-world), and 82 ms latency on embedded hardware, outperforming state-of-the-art methods by 44%-48% in accuracy. Its robustness to wave-wind coupling disturbances supports critical maritime missions such as search and rescue and environmental monitoring. All code, experimental configurations, and datasets will be released as open-source to facilitate reproducibility.

arXivで原文を読む →arXiv概要ページ

← 論文一覧