ガウス過程で補強したモデル予測輪郭制御によるホロノミックAUVの6自由度軌道追従

- 小型・holonomic な Autonomous Underwater Vehicles (AUVs) を用い、水中構造物を任意視点から近接検査するための 6 Degrees of Freedom (DoF) 軌道追従制御手法。 - Model Predictive Contouring Control (MPCC) を 6DoF に拡張し、状態・入力制約下での位置と姿勢の高精度追従を狙う。 - 動力学モデルの不正確さを Gaussian Process (GP) regression で学習した residual dynamics で補償する。 - 対象は Multimodality, Observing, Low-cost, Agile (MOLA) AUV。

- MPCC は制約付き追従に適するが正確な dynamics model に依存するという課題があった。 - 本研究は nominal model に GP で学習した residual dynamics を付加し、水中でのモデル不正確さを緩和する点が新しい。 - 学習 residual を zero-order robust optimization scheme で optimal control problem に組み込み、25 Hz のリアルタイム性を維持。 - 6DoF の holonomic AUV に対する MPCC と GP 補償の組み合わせが特徴。

- 6DoF の nonlinear MPCC を holonomic AUV 向けに定式化。 - nominal dynamics model と実ダイナミクスの差を residual dynamics として Gaussian Process (GP) regression で学習。 - 学習した residual を zero-order robust optimization scheme により optimal control problem に埋め込み、不確かさに対してロバスト化。 - 計算負荷を抑え、25 Hz での制御を可能にする設計。

- simulation ablation により、residual selection がコントローラ設計に重要であることを示す。 - simulation および in-water experiments を Multimodality, Observing, Low-cost, Agile (MOLA) AUV で実施。 - 提案手法を nominal MPCC および field proven Proportional-Integral-Derivative (PID) controller と比較して有効性を検証。

- residual selection がコントローラ設計において本質的であることを ablation で議論。 - GP による residual 学習と zero-order robust optimization の組み合わせがリアルタイム性とロバスト性に与える影響が論点。 - 実機 MOLA AUV での有効性は示されるが、他の AUV や環境への一般化については要旨からは不明。

- 比較対象である nominal Model Predictive Contouring Control (MPCC) および Proportional-Integral-Derivative (PID) controller の関連研究。 - Gaussian Process (GP) regression を用いた learning-based dynamics compensation の先行研究。 - zero-order robust optimization scheme に関する robust Model Predictive Control (MPC) の文献。 - holonomic AUV の 6DoF 軌道追従に関する研究。