群制御2026/9/12arXiv:2609.14058

クープマン作用素学習と非線形モデル予測制御による実行時不確実性下の移動マルチロボットナビゲーション

Mobile Multi-Robot Navigation under Runtime Uncertainty via Koopman Operator Learning and Nonlinear Model Predictive Control

シェア:X Threads Facebook LINE はてブ Bluesky

クープマン作用素理論で学習したダイナミクスを非線形モデル予測制御に組み込み、車輪滑りなどの実行時不確実性がある環境で複数移動ロボットの目標到達とフォーメーション制御を実現した。

詳しい要約

1. どんなもの？

本論文は、Koopman Operator Learning と Nonlinear Model Predictive Control (NMPC) を組み合わせた、移動型マルチロボットのナビゲーション手法を提案する。対象は target reaching と formation control の2つの問題で、障害物のある環境下での閉ループ制御を実現する。車輪ロボットのランダムな wheel slipping による runtime uncertainty に対処することを目的とする。

2. 先行研究と比べてどこがすごい？

従来の NMPC は正確な動的モデルを前提とすることが多く、未知の動的モデルや外乱下でのマルチロボット制御は困難であった。本研究は Koopman Operator 理論に基づく学習ダイナミクスを NMPC に組み込むことで、真の動的モデルを知らずに affine input systems の摂動・不確実性を扱える点が優れている。

3. 技術・手法の肝は？

Koopman Operator 理論を用いて非線形システムを lifted bilinear Koopman-based model に変換し、これを NMPC の予測モデルとして使用する。このモデルは affine input systems に対する摂動や不確実性を考慮し、wheel slipping のような runtime uncertainty に対応する。NMPC 問題を定式化・求解し、閉ループ制御を実現する。

4. どうやって有効だと検証した？

異なる環境下で、異なる量の wheel slipping を受ける車輪ロボットを用いた広範な数値シミュレーションを実施し、target reaching と formation control の両問題で有効性を検証した。ロボットの真の動的モデルは未知のままである。

5. 議論はある？

要旨からは不明。

6. 次に読むべき論文は？

Koopman Operator 理論に基づく制御（例: Koopman-based MPC）、Nonlinear Model Predictive Control (NMPC)、マルチロボット formation control、wheel slipping などの runtime uncertainty を扱うロバスト制御に関する論文が次に読むべき候補として挙げられる。

※ 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: Xiaobin Zhang, Konstantinos Karydis

分類: cs.RO

原文アブストラクト

In this work, we developed a nonlinear model predictive control (NMPC) framework that employs learned dynamics via the Koopman Operator theory for mobile multi-robot navigation. We formulated and solved NMPC problems using a lifted bilinear Koopman-based model that accurately predicts affine input systems affected by perturbations and uncertainties. Two exemplary multi-robot navigation problems are considered: target reaching and formation control. The output of our method enables closed-loop multi-robot navigation and formation control in environments populated with obstacles, whereby the Koopman operator-based model used in the NMPC formulation addresses runtime uncertainties, namely, various degrees of random wheel slipping. We validated the effectiveness of our method for both problems via extensive numerical simulations in different environments with wheeled robots affected by different amounts of slip and without knowledge of their true dynamic models.

arXivで原文を読む →arXiv概要ページ