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/外乱抑制arXiv:2610.17498

入力制約付き能動外乱抑制制御によるAUVの制御

Input-Constrained Active Disturbance Rejection Control for AUVs

シェア:XThreadsFacebookLINEはてブBluesky

入力飽和と飽和後ローパスフィルタを組み込んだADRCフレームワークを提案し、AUVの半大域的実用漸近安定性を保証するとともに、厳しい外乱下でのロバストな制御性能をシミュレーションと実験で示した。

詳しい要約

1. どんなもの?

- AUVの制御問題を扱う論文。 - 動的環境下で波による力、モデル誤差、アクチュエータ制限がある中で、ADRCとESOを用いてオンラインで不確かさを推定し、制御設計を簡素化。 - 既存の安定性解析は有界な制御入力とその微分を仮定するが、未知外乱や測定ノイズ下では保証が難しい。 - この理論と実践のギャップを埋めるため、能動的入力飽和と飽和後ローパスフィルタを備えたADRCフレームワークを提案。 - 飽和は制御振幅を制約し、フィルタは飽和信号を正則化して有界な入力変化率を保証。 - これらの条件を明示的に課すことで、半大域実用漸近安定性を保証。 - 高忠実度シミュレーションと水中ロボットプラットフォームでの実験で、厳しい環境外乱とアクチュエータ制約下でのロバストな制御性能を実証。

2. 先行研究と比べてどこがすごい?

- 既存のADRCとESOを用いた研究では、安定性解析が有界な制御入力とその微分を仮定しており、未知外乱や測定ノイズ下での保証が困難であった。 - 提案手法は能動的入力飽和と飽和後ローパスフィルタを導入することで、これらの仮定を明示的に満たし、半大域実用漸近安定性を保証する点が新しい。 - 従来のADRCフレームワークと比較して、理論と実践のギャップを埋め、アクチュエータ制約下でのロバスト性を向上させた。

3. 技術・手法の肝は?

- ADRCとESOを組み合わせ、オンラインで集中不確かさを推定。 - 能動的入力飽和を導入し、制御入力の大きさを制約。 - 飽和後ローパスフィルタを適用し、飽和信号を正則化して入力変化率を有界に保つ。 - これらの条件を明示的に課すことで、半大域実用漸近安定性を理論的に保証。 - 制御設計はノミナルモデルを用いて簡素化。

4. どうやって有効だと検証した?

- 高忠実度シミュレーションを実施。 - 水中ロボットプラットフォームでの実験を実施。 - 厳しい環境外乱とアクチュエータ制約下でロバストな制御性能を実証。 - 補足ビデオが利用可能(https://youtu.be/AEFlZ69Yg00)。

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、Active Disturbance Rejection Control (ADRC) と Extended State Observer (ESO) が挙げられる。 - 同分野の定番として、Model Predictive Control (MPC) や Sliding Mode Control (SMC) などが考えられるが、要旨に記載はない。

※ 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: Minh-Quan Le, Ying Tan, Jinghe Yang, Jason Monty, Ye Pu

分類: eess.SY

原文アブストラクト

This paper addresses the control of autonomous underwater vehicles (AUVs) operating in dynamic environments, where wave-induced forces, modelling errors, and actuator limitations make reliable control challenging. Active disturbance rejection control (ADRC), together with an extended state observer (ESO), estimates lumped uncertainties online, simplifying control design using nominal models. However, existing stability analyses typically assume bounded control inputs and derivatives, which are difficult to guarantee under unknown disturbances and measurement noise. To bridge this theory--practice gap, this paper introduces an ADRC framework with active input saturation and post-saturation low-pass filtering. The saturation constrains the control magnitude, while the filter regularizes the saturated signal to ensure bounded input-rate variations. By explicitly enforcing these conditions, the proposed system guarantees semi-global practical asymptotic stability. High-fidelity simulations and experiments on an underwater robotic platform demonstrate robust control performance under severe environmental disturbances and actuator constraints. A supplementary video is available at https://youtu.be/AEFlZ69Yg00.

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

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