日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

最適制御arXiv:2603.19454

線形確率最適制御における確率制約の厳密および近似凸再定式化

Exact and Approximate Convex Reformulation of Linear Stochastic Optimal Control with Chance Constraints

シェア:XThreadsFacebookLINEはてブBluesky

離散時間の線形確率システムに対する線形確率制約を厳密に凸最適化問題として再定式化し、二次確率制約には既存法より保守性の低い凸近似を導出した。クアッドローターの軌道生成で有効性を示した。

詳しい要約

1. どんなもの?

- 離散時間確率的線形システムに対する線形chance constraintsの等価な凸最適化定式化と、二次chance constraintsのタイトな凸緩和を提案。 - 状態ベクトルをリフトしてモーメント情報を明示的にエンコードし、複数時間ステップにわたる状態と制御の線形chance constraintsを正確に捉える。 - 二次chance constraintsに対しては、既存手法より保守性が低いことが証明された凸近似を導出。 - 四rotorのminimum-snap軌道生成で検証し、従来の定式化の動作範囲を一桁上回るノイズレベルでも実行可能であることを示す。

2. 先行研究と比べてどこがすごい?

- 線形chance constraintsに対して、保守性なしで正確に扱う等価な凸定式化を実現し、実行可能性と最適性の両面で厳密な改善をもたらす。 - 二次chance constraintsに対して、既存手法よりも保守性が低いことが証明された凸近似を提供。 - 従来の定式化と比較して、ノイズレベルが一桁大きい場合でも実行可能であることを示す。

3. 技術・手法の肝は?

- 状態ベクトルをリフトしてモーメント情報を明示的にエンコードする。 - これにより、複数時間ステップにわたる状態と制御の線形chance constraintsを正確に捉える。 - 二次chance constraintsに対しては、凸近似を導出し、既存手法より保守性が低いことを証明。

4. どうやって有効だと検証した?

- 四rotorのminimum-snap軌道生成問題に適用。 - 提案手法が従来の定式化の動作範囲を一桁上回るノイズレベルでも実行可能であることを実証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。関連手法として、chance constraintsを扱う既存の凸緩和手法や、stochastic optimal controlの定番手法(例:Scenario Approach, Conditional Value-at-Risk)が挙げられる。

※ 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: Tanmay Dokania, Yashwanth Kumar Nakka

分類: eess.SY, cs.RO, cs.SY

原文アブストラクト

In this paper, we present an equivalent convex optimization formulation for discrete-time stochastic linear systems subject to linear chance constraints, alongside a tight convex relaxation for quadratic chance constraints. By lifting the state vector to encode moment information explicitly, the formulation captures linear chance constraints on states and controls across multiple time steps exactly, without conservatism, yielding strict improvements in both feasibility and optimality. For quadratic chance constraints, we derive convex approximations that are provably less conservative than existing methods. We validate the framework on minimum-snap trajectory generation for a quadrotor, demonstrating that the proposed approach remains feasible at noise levels an order of magnitude beyond the operating range of prior formulations.

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. 2newmo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
  3. 3GXO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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI