Exponential control barrier function and model predictive control for jerk-level reactive motion planning of quadrotors
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».