論文の概要: Morphology and Behavior Co-Optimization of Modular Satellites for Attitude Control
- arxiv url: http://arxiv.org/abs/2409.13166v1
- Date: Fri, 20 Sep 2024 02:43:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 11:41:13.315617
- Title: Morphology and Behavior Co-Optimization of Modular Satellites for Attitude Control
- Title（参考訳）: 姿勢制御のためのモジュラ衛星の形態と挙動の協調最適化
- Authors: Yuxing Wang, Jie Li, Cong Yu, Xinyang Li, Simeng Huang, Yongzhe Chang, Xueqian Wang, Bin Liang,
- Abstract要約: 我々は、モジュラー衛星のモルフォロジーと制御を同時に最適化するための、新しい勾配に基づくアプローチを導入する。
我々のモンテカルロシミュレーションは、この共最適化アプローチによって、より優れたミッション性能を持つモジュラー衛星が生まれることを示した。
- 参考スコア（独自算出の注目度）: 16.673862756035582
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emergence of modular satellites marks a significant transformation in spacecraft engineering, introducing a new paradigm of flexibility, resilience, and scalability in space exploration endeavors. In addressing complex challenges such as attitude control, both the satellite's morphological architecture and the controller are crucial for optimizing performance. Despite substantial research on optimal control, there remains a significant gap in developing optimized and practical assembly strategies for modular satellites tailored to specific mission constraints. This research gap primarily arises from the inherently complex nature of co-optimizing design and control, a process known for its notorious bi-level optimization loop. Conventionally tackled through artificial evolution, this issue involves optimizing the morphology based on the fitness of individual controllers, which is sample-inefficient and computationally expensive. In this paper, we introduce a novel gradient-based approach to simultaneously optimize both morphology and control for modular satellites, enhancing their performance and efficiency in attitude control missions. Our Monte Carlo simulations demonstrate that this co-optimization approach results in modular satellites with better mission performance compared to those designed by evolution-based approaches. Furthermore, this study discusses potential avenues for future research.
- Abstract（参考訳）: モジュラー衛星の出現は、宇宙探査における柔軟性、レジリエンス、拡張性の新たなパラダイムを導入し、宇宙船工学における重要な転換点となった。
姿勢制御などの複雑な課題に対処するためには、衛星の形態的アーキテクチャと制御器の両方が性能の最適化に不可欠である。
最適な制御に関するかなりの研究にもかかわらず、特定のミッションの制約に合わせたモジュラー衛星の最適化と実用的な組み立て戦略の開発には大きなギャップが残っている。
この研究のギャップは、設計と制御の協調最適化という本質的に複雑な性質から生じる。
従来、人工進化によって取り組まれていたこの問題は、サンプル非効率で計算コストのかかる個々のコントローラの適合度に基づいて形態を最適化することである。
本稿では、モジュラー衛星の形状と制御を同時に最適化し、姿勢制御ミッションの性能と効率を向上させるための、新しい勾配に基づくアプローチを提案する。
我々のモンテカルロシミュレーションは、この共最適化アプローチが、進化に基づくアプローチで設計されたものよりも、ミッション性能のよいモジュラー衛星を産み出すことを示した。
さらに,本研究では今後の研究の道筋について論じる。
関連論文リスト
- Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission [74.10928850232717]
本稿では、モデル定式化のための生成人工知能(AI)エージェントを開発し、送信戦略の設計に専門家(MoE)の混合を適用した。
具体的には,大規模言語モデル(LLM)を活用して対話型モデリングパラダイムを構築する。
定式化問題の解法として, MoE-proximal Policy Optimization (PPO) アプローチを提案する。
論文 参考訳（メタデータ） (2024-04-14T03:44:54Z) - Efficient Inverse Design Optimization through Multi-fidelity Simulations, Machine Learning, and Search Space Reduction Strategies [0.8646443773218541]
本稿では,限られた計算量で制約されたシナリオにおける逆設計最適化プロセスの拡張を目的とした手法を提案する。
提案手法はエアフォイル逆設計とスカラーフィールド再構成の2つの異なる工学的逆設計問題について解析する。
特に、この方法は、任意の逆設計アプリケーションに適用可能であり、代表的低忠実MLモデルと高忠実度シミュレーションの相乗効果を容易にし、様々な集団ベース最適化アルゴリズムにシームレスに適用することができる。
論文 参考訳（メタデータ） (2023-12-06T18:20:46Z) - Photonic Structures Optimization Using Highly Data-Efficient Deep
Learning: Application To Nanofin And Annular Groove Phase Masks [40.11095094521714]
メタ表面は、薄膜光学の領域における光特性の操作のための柔軟なフレームワークを提供する。
本研究の目的は,これらのデバイスに対するサロゲート最適化フレームワークの導入である。
本フレームワークは、天文高コントラストイメージングへの応用に適した2種類の渦位相マスク(VPM)の開発に応用される。
論文 参考訳（メタデータ） (2023-09-05T07:19:14Z) - When to Update Your Model: Constrained Model-based Reinforcement
Learning [50.74369835934703]
モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。
続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。
さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
論文 参考訳（メタデータ） (2022-10-15T17:57:43Z) - Low-Thrust Orbital Transfer using Dynamics-Agnostic Reinforcement
Learning [0.0]
本研究では,低推力中軌道衛星を対象としたモデルフリー強化学習を用いてエージェントを訓練する。
訓練されたエージェントは、軌道を設計し、巡航中に衛星を自律的に制御するために使用される。
論文 参考訳（メタデータ） (2022-10-06T08:36:35Z) - Optimization of Rocker-Bogie Mechanism using Heuristic Approaches [0.0]
本稿では,海外の地形に関連付けられた標準的なサスペンション手法であるRocker Bogie機構について論じる。
本稿では,シミュレート・アニーリング,遺伝的アルゴリズム,スワム・インテリジェンス,盆地ホッピング,微分進化に関する広範な実験を行った。
論文 参考訳（メタデータ） (2022-09-14T21:02:01Z) - Constrained optimisation of preliminary spacecraft configurations under
the design-for-demise paradigm [1.0205541448656992]
現在打ち上げられ、既に軌道上にある中規模の衛星のほとんどは、0.0001の死亡リスク閾値を満たさない。
衛星メーカーとミッションオペレーターは、制御された再突入を通じて処理を行う必要がある。
この追加コストと複雑さは、宇宙船が直接カジュアルリスク規制に準拠しているため取り除くことができる。
論文 参考訳（メタデータ） (2020-12-27T17:48:29Z) - Optimization-Inspired Learning with Architecture Augmentations and
Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。
フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。
低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文 参考訳（メタデータ） (2020-12-10T03:24:53Z) - 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) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - First Steps: Latent-Space Control with Semantic Constraints for
Quadruped Locomotion [73.37945453998134]
従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。
これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。
この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。
深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。
実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
論文 参考訳（メタデータ） (2020-07-03T07:04:18Z)
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。