論文の概要: A Tunnel Gaussian Process Model for Learning Interpretable Flight's Landing Parameters

• arxiv url: http://arxiv.org/abs/2011.09335v3
• Date: Mon, 2 Aug 2021 03:35:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 05:15:15.419110
• Title: A Tunnel Gaussian Process Model for Learning Interpretable Flight's Landing Parameters
• Title（参考訳）: 解釈可能な飛行の着地パラメータ学習のためのトンネルガウス過程モデル
• Authors: Sim Kuan Goh, Narendra Pratap Singh, Zhi Jun Lim and Sameer Alam
• Abstract要約: 接近と着陸の事故により、世界中でかなりの数の船体が失われた。 本研究では,飛行のアプローチと着陸パラメータを学習し,解釈するデータ駆動手法を提案する。
• 参考スコア（独自算出の注目度）: 1.0323063834827413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Approach and landing accidents have resulted in a significant number of hull losses worldwide. Technologies (e.g., instrument landing system) and procedures (e.g., stabilized approach criteria) have been developed to reduce the risks. In this paper, we propose a data-driven method to learn and interpret flight's approach and landing parameters to facilitate comprehensible and actionable insights into flight dynamics. Specifically, we develop two variants of tunnel Gaussian process (TGP) models to elucidate aircraft's approach and landing dynamics using advanced surface movement guidance and control system (A-SMGCS) data, which then indicates the stability of flight. TGP hybridizes the strengths of sparse variational Gaussian process and polar Gaussian process to learn from a large amount of data in cylindrical coordinates. We examine TGP qualitatively and quantitatively by synthesizing three complex trajectory datasets and compared TGP against existing methods on trajectory learning. Empirically, TGP demonstrates superior modeling performance. When applied to operational A-SMGCS data, TGP provides the generative probabilistic description of landing dynamics and interpretable tunnel views of approach and landing parameters. These probabilistic tunnel models can facilitate the analysis of procedure adherence and augment existing aircrew and air traffic controllers' displays during the approach and landing procedures, enabling necessary corrective actions.
• Abstract（参考訳）: 接近と着陸の事故は、世界中でかなりの数の船体損失をもたらした。 リスクを減らすために、技術(機器着陸システムなど)と手順(例えば、安定化したアプローチ基準)が開発されている。 本稿では,飛行力学の理解と実践的洞察を促進するために,飛行のアプローチと着陸パラメータを学習し,解釈するデータ駆動手法を提案する。 具体的には,advanced surface movement guidance and control system (a-smgcs) データを用いて航空機の接近と着陸ダイナミクスを解明するトンネルガウス過程(tgp)モデルの2つの変種を開発し,飛行の安定性を示す。 tgpは、ばらばらな変分ガウス過程と極性ガウス過程の強さをハイブリッド化し、円筒座標中の大量のデータから学ぶ。 3つの複雑な軌道データセットを定性的・定量的に合成し,tgpを既存の軌道学習法と比較した。 経験的に、TGPは優れたモデリング性能を示す。 運用中のA-SMGCSデータに適用した場合、TGPは着陸力学の生成確率的記述と接近パラメータと着陸パラメータの解釈可能なトンネルビューを提供する。 これらの確率的トンネルモデルは、アプローチと着陸手順中に既存のエアクルーと航空管制官のディスプレイを増強し、手順の順守を容易にする。

関連論文リスト

• Recursive Gaussian Process State Space Model [4.572915072234487]
  動作領域とGPハイパーパラメータの両方に適応可能な新しいオンラインGPSSM法を提案する。 ポイントを誘導するオンライン選択アルゴリズムは、情報的基準に基づいて開発され、軽量な学習を実現する。 合成データセットと実世界のデータセットの総合的な評価は,提案手法の精度,計算効率,適応性を示す。
  論文  参考訳（メタデータ） (2024-11-22T02:22:59Z)
• Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
  軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。 従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。 本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
  論文  参考訳（メタデータ） (2023-09-26T14:20:09Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [52.25258289718559]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。 任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• A Machine Learning Approach to Safer Airplane Landings: Predicting Runway Conditions using Weather and Flight Data [0.0]
  滑走路面の雪と氷は、遅延や方向制御に必要なタイヤ舗装の摩擦を減少させる。 XGBoostは、複合滑走路アセスメントシステムを作成するために使用される。
  論文  参考訳（メタデータ） (2021-07-01T11:01:13Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)
• Localized active learning of Gaussian process state space models [63.97366815968177]
  多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。 本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。 モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
  論文  参考訳（メタデータ） (2020-05-04T05:35:02Z)
• Online Parameter Estimation for Safety-Critical Systems with Gaussian Processes [6.122161391301866]
  オンラインパラメータ推定のためのガウス過程(GP)に基づくベイズ最適化フレームワークを提案する。 パラメータ空間の応答面上の効率的な探索戦略を用いて、最小限の機能評価で大域最適解を求める。 我々は,パラメータの変化を考慮したシミュレーションにおいて,アクティベートされた平面振子と安全臨界振子について実演する。
  論文  参考訳（メタデータ） (2020-02-18T20:38:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。