Exponential control barrier function and model predictive control for jerk-level reactive motion planning of quadrotors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quadrotors require efficient reactive motion planning algorithms to ensure safe autonomous operations in dynamic environments. One common strategy for reactive motion planning is model predictive control (MPC); however, conventional MPC-based methods often fall short of guaranteeing collision avoidance when encountering dynamic obstacles. To address this limitation, we develop an enhanced framework that combines MPC with control barrier functions (CBFs) for improved safety and a Kalman Filter (KF) for predicting obstacle behavior, increasing responsiveness to dynamic obstacles. We utilize a high-order closed-loop model of the quadrotor along with exponential CBFs, enabling trajectory control at the jerk level, unlike existing MPC-CBF methods that rely on acceleration-level planning. Extensive hardware experiments across multiple scenarios demonstrate that this approach significantly enhances safety by increasing the minimum vehicle-obstacle distance and enabling successful navigation through complex situations, such as avoiding fast-swinging obstacles, where traditional MPC-only methods fail. Hardware-based sensitivity analysis further reveals the algorithm’s overall robustness to variations in parameter values, provides insight into parameter tuning, and highlights the critical role of accurate obstacle predictions in dynamic environments. Our findings indicate that the MPC-CBF-KF framework is a promising, robust, and computationally feasible solution for quadrotor motion planning in both dynamic and static environments. • Development of MPC-CBF-KF reactive motion planner for quadrotor navigation in dynamic environments, validated experimentally. • Integrating exponential CBF with a high-order quadrotor model to control the jerk of the trajectory rather than acceleration. • Hardware-based sensitivity analysis of key tuning parameters on the motion planner’s performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle