Core Concepts
アンシラリーコントローラーを融合することで、サンプリングベースのモデル予測制御の効率性、頑健性、収束性を向上させる。
Abstract
本論文では、サンプリングベースのモデル予測制御(MPPI)の性能と信頼性を向上させるための新しい手法を提案している。従来のMPPIは、前回の最適入力系列をサンプリング分布の平均とするため、予期せぬ外乱や環境の急激な変化に対して脆弱であった。
提案手法では、クラシックなコントローラーや学習ベースのコントローラーなどのアンシラリーコントローラーを組み合わせることで、サンプリング分布をバイアス付けする。これにより、サンプリングの効率性、頑健性、収束性が向上する。
具体的には、逆転台車の振り上げ制御や複数エージェントの相互作用を伴う経路計画の実験を通して、提案手法の有効性を示している。提案手法は、従来のMPPIと比べて、より少ないサンプル数で優れた性能を発揮し、予期せぬ変化にも強靭であることが確認された。一方で、バイアスの導入により、時間的に遅い軌道を生成する可能性もある。
Stats
逆転台車の振り上げ制御では、提案手法は従来のMPPIと比べて、より少ないサンプル数で優れた性能を発揮した。
複数エージェントの相互作用を伴う経路計画では、提案手法は衝突回数や規則違反の回数を大幅に減らすことができた。
Quotes
"アンシラリーコントローラーを融合することで、サンプリングベースのモデル予測制御の効率性、頑健性、収束性を向上させる。"
"提案手法は、より少ないサンプル数で優れた性能を発揮し、予期せぬ変化にも強靭であることが確認された。"