制御/FPGA/ドローン2026/9/8arXiv:2609.09380

AccelMPC：超小型ドローン向け高速・低消費電力FPGAアクセラレーテッドモデル予測制御

AccelMPC: High-Rate, Low-Power FPGA-Accelerated Model Predictive Control for Tiny Drones

FPGAと専用基板を組み合わせ、35gの超小型ドローン上で動的障害物を考慮した制約付きモデル予測制御を1kHzで実行可能にした研究。

詳しい要約

1. どんなもの？

- 小型ドローン向けのFPGAアクセラレーションによるモデル予測制御（MPC）システム「AccelMPC」を提案。 - 35gのCrazyflieに搭載可能な6gのカスタムPCBと、FPGAで加速されたADMMベースのMPCソルバを組み合わせる。 - 1kHzのオンボード制約付きMPCを動的障害物下で実現し、20,000以上の最適化変数と同程度の制約を扱う。

2. 先行研究と比べてどこがすごい？

- 従来のキャッシュドMPCソルバは計算需要が高く、リソース制約のあるロボットでは制御レートを落とさざるを得なかった。 - AccelMPCは最先端の組み込みマイクロコントローラベースのソルバと比較して、求解時間を最大15.6倍高速化し、エネルギー遅延積を195.4倍改善。 - これにより、小型ドローンでも高速・低電力で複雑な制約付きMPCを実行可能にした。

3. 技術・手法の肝は？

- ソルバアルゴリズム、数値表現、ハードウェアマッピング、物理統合を共同設計するエンドツーエンドのアプローチ。 - FPGAで加速されたADMMベースのMPCソルバを採用し、カスタム6g PCBで高帯域通信を提供。 - ハードウェアとアルゴリズムの協調設計により、計算効率とエネルギー効率を大幅に向上。

4. どうやって有効だと検証した？

- ハードウェア実験により、動的障害物を含む環境で1kHzのオンボード制約付きMPCを実証。 - 最先端の組み込みマイクロコントローラベースのソルバと比較して、求解時間とエネルギー遅延積の改善を測定。 - 20,000以上の最適化変数と同程度の制約を持つ問題にスケールすることを確認。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照されている先行研究：cached model predictive control (MPC) solvers、embedded microcontroller-based solvers。 - 関連手法：alternating direction method of multipliers (ADMM)。 - 同分野の定番：FPGA-based MPC、embedded MPC for drones。

※ 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: Andrea Grillo, Brian Plancher

分類: cs.RO, eess.SY

原文アブストラクト

Unlocking the potential of tiny aerial robots requires order of magnitude improvements in the performance of embedded edge control. In particular, although recent cached model predictive control (MPC) solvers can handle the fast system dynamics and complex constraints required for agile drone flight, their computational demands remain prohibitive for resource-constrained robots, forcing prior implementations to operate at reduced control rates. AccelMPC overcomes this challenge through an end-to-end co-design approach that jointly optimizes the solver algorithm, numerical representation, hardware mapping, and physical integration. AccelMPC pairs a co-designed FPGA-accelerated alternating direction method of multipliers (ADMM)-based MPC solver with a custom 6g PCB, providing high-bandwidth communication for deployment on a 35g Crazyflie. Hardware experiments demonstrate 1 kHz onboard constrained MPC with dynamic obstacles, up to 15.6x faster solve times and 195.4x improvement in energy-delay product over state-of-the-art embedded microcontroller-based solvers, all while scaling to optimization problems with over 20,000 optimization variables and a comparable number of constraints. We release our PCB design files, firmware, and FPGA solver code open source.

arXivで原文を読む →arXiv概要ページ

← 論文一覧