日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御arXiv:2608.10542

逐次凸計画法による非線形モデル予測制御を用いたドローン間ドッキング

Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking

シェア:XThreadsFacebookLINEはてブBluesky

ドローン同士の空中ドッキングを、外乱を考慮した非線形モデル予測制御と逐次凸計画法で解く手法を提案し、シミュレーションでその有効性を検証した。

詳しい要約

1. どんなもの?

本論文は、マルチローター機同士の空中ドッキング(Drone-to-Drone Docking)を、外乱による目標運動下で実現するための非線形モデル予測制御(NMPC)フレームワークを提案している。ドッキングタスクを、外乱状態を追加した低次元非線形モデルに基づく有限ホライズン最適制御問題として定式化し、これを逐次凸計画法(SCP)を用いてreceding-horizon方式で解くことで、動的に実行可能なドッキング軌道を生成する。ノイズを含む計測を用いた状態推定により相対運動予測のロバスト性を高め、高忠実度の剛体MuJoCoシミュレーション環境で軌道実行を検証している。

2. 先行研究と比べてどこがすごい?

先行研究と比べて、外乱を明示的にモデル化した低次元非線形モデルに基づくNMPCをSCPで解く点、および推定不確かさを考慮したロバストな相対運動予測を組み込んだ点が新しい。また、ドッキングコーン逸脱を無視できるレベルに抑えつつ、コーン半角10度という厳しい条件下でも安全なドッキングを達成している点が優れている。

3. 技術・手法の肝は?

手法の核は、外乱状態を追加した低次元非線形モデルを用いた有限ホライズン最適制御問題の定式化と、それをSCPで解くことにある。SCPは非線形問題を逐次凸近似で解くため、リアルタイム性が求められるreceding-horizon制御に適している。また、ノイズを含む計測から状態推定を行い、相対運動予測のロバスト性を向上させている。

4. どうやって有効だと検証した?

高忠実度の剛体MuJoCoシミュレーション環境で、静止目標と等速度運動目標の2つのシナリオを評価した。ドッキングコーン逸脱が無視できるレベルで、終端状態誤差が許容範囲内に収まることを確認した。さらに、コーン半角10度という小さな角度でも安全なドッキングが可能であり、風外乱の標準偏差が0.5までの条件下でロバストに動作することを示した。また、接近速度が有界で制御 effort が安定していることも確認した。

5. 議論はある?

要旨からは、提案手法の限界や他の手法との比較に関する議論は不明である。ただし、シミュレーション環境での検証のみであり、実機実験が行われていない点は議論の余地がある。また、外乱モデルや状態推定の精度が実際の性能に与える影響についての詳細な分析は要旨からは不明である。

6. 次に読むべき論文は?

要旨で参照されている研究や関連手法は明示されていないが、同分野の定番として、非線形モデル予測制御(NMPC)や逐次凸計画法(SCP)に関する基礎論文、および空中ドッキングやマルチローターロボットの制御に関する研究が挙げられる。具体的には、『A Survey on Model Predictive Control for Aerial Robots』や『Sequential Convex Programming for Trajectory Optimization』などが関連する。

※ 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: Neeraj Balachandar, Shriram Hari, Vishnu R. Unni

分類: cs.RO

原文アブストラクト

Autonomous mid-air docking of multi-rotor vehicles under disturbance-driven target motion poses a constrained non-linear trajectory optimization challenge. This work formulates the docking task as a finite-horizon optimal control problem based on a reduced-order nonlinear model augmented with disturbance states. The resulting problem is solved using sequential convex programming within a receding-horizon framework to generate dynamically feasible docking trajectories. State estimation with noisy measurements is incorporated to enable robust relative motion prediction, while trajectory execution is validated in a high-fidelity rigid-body MuJoCo simulation environment. The proposed framework is evaluated for stationary and constant-velocity target motions, demonstrating reliable convergence to the docking interface while satisfying geometric capture constraints. Quantitatively, the method maintains negligible docking-cone violations and terminal state errors within prescribed tolerances, and achieves consistent, safe docking performance for cone half-angles as low as 10 degrees. Robust operation is observed for wind disturbance levels up to a standard deviation of 0.5, while preserving bounded approach velocities and stable control effort. These results demonstrate the effectiveness of the SCP-based trajectory optimization framework for disturbance-robust aerial docking under estimation uncertainty.

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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI