カルマンフィルタによるモーメント損失補償を備えたUAVの画像ベース視覚サーボのための終端拘束モデル予測制御

- 本論文は、UAVのImage-Based Visual Servoing (IBVS) における制御安定性と視覚特徴の一時的欠落に対処する手法を提案する。 - 具体的には、terminal-constraint model predictive control (TC-MPC) と Kalman filter (KF) を組み合わせたフレームワークを構築。 - TC-MPCはterminal-state constraintsとterminal costをIBVS誤差ダイナミクスに組み込み、制御入力と状態の制約下での閉ループ安定性を確保。 - KFは画像モーメントの短期的な視覚劣化時の時間発展を予測し、モーメント計測が一部利用不可でも制御の連続性を維持。 - リアルタイムUAVビジュアルサーボ実験で有効性を検証。

- 従来のIBVSコントローラは、入力・状態制約下で目標近傍での閉ループ安定性を失う問題と、激しい運動時のモーメントベース視覚特徴の断続的損失による制御失敗に脆弱。 - 提案手法はTC-MPCによりterminal-state constraintsとterminal costを明示的に導入し、再帰的実行可能性と収束挙動の改善、制約下での閉ループ安定性を実現。 - さらにKFによる状態予測で視覚特徴の一時的欠落時にも制御継続を可能にし、従来のIBVSの二つの課題を同時に解決する点が優れている。

- TC-MPCフレームワーク：IBVS誤差ダイナミクスにterminal-state constraintsとterminal costを組み込み、制御入力と状態の制約下で再帰的実行可能性と閉ループ安定性を保証。 - Kalman filter (KF) ベースの状態予測：画像モーメントの短期的な視覚劣化時における時間発展を予測し、モーメント計測が部分的に利用不可でも制御の連続性を維持。 - これらを統合し、UAVのビジュアルサーボ制御をリアルタイムで実行。

- リアルタイムUAVビジュアルサーボ実験を通じて提案手法の有効性を検証。 - 具体的な評価指標や比較対象、実験条件の詳細は要旨からは不明。

- 提案手法の利点として、制約下での閉ループ安定性、収束挙動の改善、視覚特徴欠落時の制御連続性が挙げられる。 - 限界や議論点（例：計算負荷、KFの予測精度、他の視覚特徴への適用性）は要旨からは不明。

- 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、従来のIBVS、model predictive control (MPC)、Kalman filter (KF) が挙げられる。 - 同分野の定番として、visual servoing、UAV control、terminal constraint MPC に関する論文を読むべき。