Johannes Köhler
収録論文 16本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 非線形低次元MPCのための全次数安全性保証制御/MPC2026/10/13
低次元モデルでMPCを高速化しつつ、予測誤差を2つの半径で伝播させて全次数系の制約違反を防ぐ手法CoRE-MPCを提案。
- 高次システム向けモデルフリー制御バリア関数のアプローチ安全制御2026/6/3
制御バリア関数をモデルなしで高次非線形システムに拡張し、動的モデルや状態測定を必要とせずに安全制御を実現する手法を提案した。7自由度ロボットアームで実証した。
- 外乱フィードバックによる保証付きロバスト非線形MPC制御/MPC2025/9/1
不確かな非線形システムを名目モデル・外乱フィードバック制御器・モデル誤差の上界に分解し、逐次凸計画法で同時最適化することで、制約充足と入力-状態安定性を保証する高速なロバストMPCを提案した。
- 混雑環境における移動ロボットの効率的ナビゲーションのためのMPCフレームワークナビゲーション2025/9/1
有限区間の最短経路プランナをMPCの軌道最適化に統合し、混雑環境でも衝突回避と目標到達を両立するナビゲーション手法を提案。小型地上ロボットで実機検証した。
- オンライン力学学習による安全かつ準最適な制御制御/強化学習2025/9/1
未知の力学系において、安全性を保証しながらオンラインで力学モデルを学習し、準最適な性能を達成する制御手法を提案した論文。
- 参照学習を伴うモデル予測制御による軟体ロボット頭蓋内圧波形変調制御/軟体ロボット2025/9/1
軟体ロボットアクチュエータで頭蓋内圧波形を目標通りに変調するため、外乱オブザーバ付きMPCとベイズ最適化を組み合わせた二層制御フレームワークを提案し、脳ファントム実験で有効性を示した。
- データから安全な移動ロボットナビゲーションへ:効率的でモジュール式なロバストMPC設計パイプラインロバストMPC2025/8/1
閉ループ実験データから外乱境界を推定し、ロバスト出力フィードバックMPCを合成する反復パイプラインを提案。Gazebo上のクアッドロータで制約充足と再帰的実行可能性を実証した。
- 衝突回避保証付きロバスト凸モデル予測制御によるマニピュレータ制御マニピュレーション2025/8/1
ロバストチューブMPCとコリドー計画を組み合わせ、不確かなモデルでも衝突回避を保証しつつ高速動作を可能にする凸MPCを提案した。
- 時変カバレッジ制御:分散型トラッカー・プランナーMPCフレームワーク群制御2025/7/1
関心領域が時間変化する環境を複数エージェントでカバーするため、参照軌道プランナと追従MPCを異なる周波数で統合した分散制御手法を提案し、制約充足と衝突回避を保証、ミニチュアレースカー4台で実証した。
- 安全な移動ロボットナビゲーションのための非線形モデル予測制御のステップバイステップガイド移動ロボットナビゲーション2025/7/1
障害物環境を安全に移動する移動ロボットのための非線形モデル予測制御(NMPC)の理論から実装までを段階的に解説した技術レポート。
- 組み込み向け階層型MPCによる自律ナビゲーションナビゲーション2024/6/1
計算資源が限られたドローン上で、計画層と追従層に分けた階層型MPCを実装し、衝突回避と再帰的実行可能性を保証しつつ計画ホライズンを5倍に拡大してリアルタイム自律飛行を実現した。
- 周期軌道追従を完璧に:周期オブザーバ付きモデル予測制御(Π-MPC)制御/MPC2024/4/1
周期外乱を推定・補償するオブザーバを組み込むことで、モデル誤差があっても周期軌道を漸近的に完全追従できるMPC手法を提案し、ソフトロボットと自動運転カーの実験で有効性を示した。
- 非線形システムのための安全保証付き探索安全探索2024/2/1
未知の制約下で非線形システムを安全に探索するための枠組みを提案し、モデル予測制御を用いた効率的なアルゴリズムSageMPCを開発した。
- 非線形系に対するロバスト低次元モデル予測制御制御/MPC2023/9/1
高次元非線形システムを低次元モデルで予測制御する際に生じるモデル化誤差を動的に見積もり、制約充足と安定性を保証するロバストMPC手法を提案し、約1万状態のソフトロボットで有効性を示した。
- 反応的円形場を用いた動作計画:衝突回避と目標収束の2次元解析動作計画2022/10/1
円形場に基づく動作計画手法について、2次元環境で衝突回避と目標収束を厳密に解析し、点障害物との衝突に対する必要十分条件を導出した。
- ロボットマニピュレータにおける安全で高速な追従制御:ロバストMPCとニューラルネットワーク制御の融合マニピュレーション2019/12/1
ロバストモデル予測制御(MPC)とニューラルネットワークによる近似を組み合わせ、マニピュレータの安全かつ高速な目標追従を実現した。MPCの計算時間をNNで大幅に短縮し、実機実験で有効性を示した。
