Fugu-MT 論文翻訳(概要): Rocket Landing Control with Grid Fins and Path-following using MPC

論文の概要: Rocket Landing Control with Grid Fins and Path-following using MPC

arxiv url: http://arxiv.org/abs/2405.16191v1
Date: Sat, 25 May 2024 11:42:29 GMT
ステータス: 処理完了
システム内更新日: 2024-05-29 00:31:06.135759
Title: Rocket Landing Control with Grid Fins and Path-following using MPC
Title（参考訳）: MPCを用いたグリッドフィンとパス追従によるロケット着陸制御
Authors: Junhao Yu, Jiarun Wei,
Abstract要約: 目的は、異なる技術を用いて着陸過程における総燃料消費量を最小化することである。バッチ手法を用いて最適かつ実現可能な軌道が生成されると、モデル予測制御(MPC)に基づくアルゴリズムを用いて経路を辿ろうとする。モデルミスマッチと異なる初期状態の下で,TOPEDは実演軌道をうまく追従できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this project, we attempt to optimize a landing trajectory of a rocket. The goal is to minimize the total fuel consumption during the landing process using different techniques. Once the optimal and feasible trajectory is generated using batch approach, we attempt to follow the path using a Model Predictive Control (MPC) based algorithm, called Trajectory Optimizing Path following Estimation from Demonstration (TOPED), in order to generalize to similar initial states and models, where we introduce a novel cost function for the MPC to solve. We further show that TOPED can follow a demonstration trajectory well in practice under model mismatch and different initial states.
Abstract（参考訳）: 本稿では,ロケットの着陸軌道の最適化を試みる。目的は、異なる技術を用いて着陸過程における総燃料消費量を最小化することである。モデル予測制御 (MPC) をベースとしたアルゴリズムであるトラジェクトリ最適化経路 (Torjectory Optimizing Path) を用いて, バッチ手法で最適かつ実現可能な軌道を生成すれば, 同様の初期状態やモデルに一般化するために, モデル予測制御 (MPC) を用いた経路を追従し, MPC が解決すべき新たなコスト関数を導入する。さらに、TOPEDはモデルミスマッチと異なる初期状態の下で、実演軌道をうまく追従できることを示す。

関連論文リスト

Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-10-17T11:47:56Z)
Optimizing Diffusion Models for Joint Trajectory Prediction and Controllable Generation [49.49868273653921]
拡散モデルは、自律運転における共同軌道予測と制御可能な生成を約束する。最適ガウス拡散(OGD)と推定クリーンマニフォールド(ECM)誘導を導入する。提案手法は生成過程の合理化を図り,計算オーバーヘッドを低減した実用的な応用を実現する。
論文参考訳（メタデータ） (2024-08-01T17:59:59Z)
Model Predictive Simulation Using Structured Graphical Models and Transformers [4.229560419171488]
本稿では、トランスフォーマと確率的グラフィカルモデル(PGM)に基づいて、複数の対話エージェント(道路利用者)の軌跡をシミュレートする手法を提案する。次に, 先行知識を符号化する因子を含むPGMを用いて, これらの軌道を改良する。我々はMPSがMTRベースラインを改善することを示し、特に衝突速度などの安全クリティカルな指標について述べる。
論文参考訳（メタデータ） (2024-06-28T03:46:53Z)
Mixed Gaussian Flow for Diverse Trajectory Prediction [78.00204650749453]
混合ガウスを将来の軌跡多様体に変換するためのフローベースモデルを提案する。このモデルでは、多様な軌道パターンを生成する能力が向上している。また,多様な,制御可能な,分布外のトラジェクトリを生成可能であることも実証した。
論文参考訳（メタデータ） (2024-02-19T15:48:55Z)
Learning-Aided Warmstart of Model Predictive Control in Uncertain Fast-Changing Traffic [2.0965639599405366]
我々は、ネットワークベースのマルチモーダル予測器を用いて、自律走行車軌道の提案を生成する。このアプローチにより,複数の局所最小値の同定が可能となり,初期推定精度が向上する。我々はモンテカルロシミュレーションによるアプローチを異なるシナリオで検証する。
論文参考訳（メタデータ） (2023-10-04T16:00:21Z)
Integrating Higher-Order Dynamics and Roadway-Compliance into Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文参考訳（メタデータ） (2023-09-25T22:30:18Z)
DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文参考訳（メタデータ） (2023-01-18T11:02:06Z)
Autonomous Drone Racing with Deep Reinforcement Learning [39.757652701917166]
ドローンレースのような多くのロボットタスクにおいて、ゴールはできるだけ速くコースポイントを移動することである。重要な課題は、事前に通過するウェイポイントの完全な知識を想定して解決される最小時間軌道を計画することです。本研究では,クワッドロータの最小時間軌道生成法を提案する。
論文参考訳（メタデータ） (2021-03-15T18:05:49Z)
Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial Vehicles (MAVs) [61.94975011711275]
そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。提案手法を様々なシミュレーション環境で検証した。
論文参考訳（メタデータ） (2020-08-29T09:55:49Z)
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)
Imitative Planning using Conditional Normalizing Flow [2.8978926857710263]
自律走行車のための動的な都市シナリオにおける軌道計画の一般的な方法は、明確に特定され手作業によるコスト関数に依存することである。自律走行車(AV)の軌道計画性能向上のための正規化フローの適用について検討する。軌道プランナーのコスト多様体をエネルギー関数としてモデル化することにより、AV制御空間上のボルツマン分布以前のシーン条件付き写像を学習する。
論文参考訳（メタデータ） (2020-07-31T16:32:23Z)

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。