日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

宇宙ロボティクス/制御arXiv:2607.16630

AI強化モデル予測制御による安全かつ適応的なランデブー・近傍運用

AI-Augmented Model Predictive Control for Safe and Adaptive Rendezvous and Proximity Operations

シェア:XThreadsFacebookLINEはてブBluesky

宇宙機のランデブー・近傍運用を対象に、モデル予測制御とデータ駆動の適応層を組み合わせ、敵対的環境下で安全かつ適応的な軌道制御を実現する枠組みを提案した。

詳しい要約

1. どんなもの?

本論文は、宇宙機の自律ランデブーおよび近傍運用(RPO)のための適応型Model Predictive Control (MPC)フレームワークを提案している。敵対的軌道環境下で、目標追跡、安全性維持、リアルタイム適応性を両立することを目指す。相対運動はClohessy-Wiltshire (CW) dynamicsに従い、制約付き有限ホライズンMPCと、オフラインの閉ループ評価とオンラインの相互作用形状に基づいて制御パラメータを調整するデータ駆動型の監視層を組み合わせる。MPCはアクチュエータ制限、予測的キープアウトゾーン制約、スラック変数による実行可能性処理、オプションのControl Barrier Function (CBF)安全フィルタを含む。適応層は推力を直接生成するのではなく、追跡重み、安全ペナルティ、最小分離目標、キープアウトゾーン目標などの解釈可能なMPCパラメータを変更する。

2. 先行研究と比べてどこがすごい?

学習ベースのアプローチは有望だが、安全性が重要な軌道ロボティクスへの応用は、解釈可能性、堅牢性、制約認識の欠如により制限されていた。本手法は、適応層がMPCパラメータを調整するため、ブラックボックス的な学習ではなく、解釈可能性と制約認識を維持しつつ、固定パラメータMPCよりも適応性と堅牢性を向上させる。また、CBF安全フィルタを統合することで安全性を強化している点が新しい。

3. 技術・手法の肝は?

手法の核心は、二層構造にある。下層はCW dynamicsに基づく線形MPCで、有限ホライズン予測とリアルタイム二次計画法を可能にする。制約として、アクチュエータ制限、予測的キープアウトゾーン、スラック変数による実行可能性処理、オプションのCBF安全フィルタを含む。上層はデータ駆動型の監視層で、オフラインの閉ループ評価とオンラインの相互作用形状から、追跡重み、安全ペナルティ、最小分離目標、キープアウトゾーン目標などのMPCパラメータを調整する。これにより、推力を直接生成するのではなく、解釈可能なパラメータを変更することで適応性を実現する。

4. どうやって有効だと検証した?

公式のKerbal Space Program Differential Game (KSPDG) Capture-the-Satellite環境で、Monte Carloシミュレーションを用いて評価した。固定パラメータMPCと比較し、閉ループ堅牢性、適応操縦挙動、ランデブー性能の向上を示した。また、安全性を維持し、リアルタイム実行可能性を確保できることを実証した。

5. 議論はある?

要旨からは、提案手法の限界や潜在的な欠点についての議論は不明。ただし、適応層の学習データの質や、敵対的環境での最悪ケースの保証、CBFの存在下でのMPCとの相互作用などが議論の対象となり得るが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、学習ベースのRPO手法、Model Predictive Control (MPC)、Control Barrier Function (CBF)、Clohessy-Wiltshire (CW) dynamics、Kerbal Space Program Differential Game (KSPDG)環境に関する論文が挙げられる。具体的には、CBFを用いた安全制御、適応MPC、マルチエージェント軌道ゲームに関する研究を読むとよい。

※ 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: Luca Sportelli, Tyler Barr, Cagri Kilic, Di Wu

分類: cs.RO

原文アブストラクト

Autonomous rendezvous and proximity operations (RPO) in adversarial orbital environments require guidance architectures balancing target pursuit, safety preservation, and real-time adaptability under dynamically evolving interaction conditions. Although learning-based approaches show promise, their application to safety-critical orbital robotics remains limited by concerns regarding interpretability, robustness, and constraint awareness. This work presents an adaptive Model Predictive Control (MPC) framework for autonomous spacecraft RPO in multi-agent adversarial scenarios. The proposed architecture combines a constrained receding-horizon MPC formulation with a data-driven supervisory tuning layer that adjusts controller parameters from offline closed-loop evaluation and online interaction geometry. Relative motion follows Clohessy-Wiltshire (CW) dynamics, enabling computationally efficient finite-horizon prediction and real-time quadratic optimization. The MPC formulation incorporates actuator limits, predictive keep-out-zone constraints, slack-variable feasibility handling, and optional Control Barrier Function (CBF) safety filtering. Rather than generating thrust commands directly, the adaptive layer modifies interpretable MPC parameters, including tracking weights, safety penalties, minimum-separation objectives, and keep-out-zone objectives. The framework was evaluated in the official Kerbal Space Program Differential Game (KSPDG) Capture-the-Satellite environment through Monte Carlo simulations. Results demonstrate improved closed-loop robustness, adaptive maneuvering behavior, and rendezvous performance compared with fixed-parameter MPC while preserving safety-aware operation and real-time feasibility, providing a modular, interpretable foundation for adaptive spacecraft RPO.

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. 2GXO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
  3. 3newmo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
  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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI