ToMPC: ADMMによるタスク指向モデル予測制御による安全なロボット操作

- オープンワークスペースでの安全で効率的なロボットマニピュレーションのためのタスク指向モデル予測制御（ToMPC）フレームワークを提案。 - 衝突回避運動とロボット-環境インタラクションを統合し、多様なシナリオに対応。 - 障害物環境でのマニピュレーション効率を高めるため、運動学的冗長性を活用したタスク指向障害物回避を導入。 - 複雑な最適化問題をADMMで解き、DDPとQPの2つのサブ問題に分解。 - Franka Pandaロボットマニピュレータでのシミュレーションとハードウェア実験で有効性を検証。

- 従来の研究と比較して、衝突回避運動とロボット-環境インタラクションを統合した点が新しい。 - タスク指向障害物回避により、運動学的冗長性を利用して障害物環境でのマニピュレーション効率を向上。 - ADMMを用いて複雑な最適化問題を効率的に解く点が先行研究と異なる。 - リアルタイムで運動および/または力の軌道を計画し、安全関連のハード制約を厳守できる。

- タスク指向モデル予測制御（ToMPC）フレームワークを提案。 - 衝突回避運動とロボット-環境インタラクションを統合。 - タスク指向障害物回避を導入し、運動学的冗長性を活用。 - 最適化問題をADMMで解き、DDPとQPの2つのサブ問題に分解。 - これによりリアルタイムでの軌道計画と安全制約の厳守を実現。

- シミュレーションとハードウェア実験をFranka Pandaロボットマニピュレータで実施。 - 結果として、リアルタイムで運動および/または力の軌道を計画できることを示した。 - 障害物を回避しつつマニピュレーション範囲を最大化し、安全関連のハード制約を厳守することを確認。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。関連手法として、Model Predictive Control (MPC)、Alternating Direction Method of Multipliers (ADMM)、Differential Dynamic Programming (DDP)、Quadratic Programming (QP) が挙げられる。