論文の概要: Compositional Diffusion Models for Powered Descent Trajectory Generation with Flexible Constraints
- arxiv url: http://arxiv.org/abs/2410.04261v1
- Date: Sat, 5 Oct 2024 18:47:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-02 08:49:52.178981
- Title: Compositional Diffusion Models for Powered Descent Trajectory Generation with Flexible Constraints
- Title(参考訳): フレキシブル制約を考慮したパワードライジング軌道生成のための構成拡散モデル
- Authors: Julia Briden, Yilun Du, Enrico M. Zucchelli, Richard Linares,
- Abstract要約: TrajDiffuserは、組成拡散に基づくフレキシブルかつ並列な軌道生成器である。
シミュレーションされた最適軌道のデータセットのマルチモーダル分布を学習する。
推論中、軌道は時間とともに同時に生成され、安定した長距離計画が提供される。
- 参考スコア(独自算出の注目度): 24.530914372991273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work introduces TrajDiffuser, a compositional diffusion-based flexible and concurrent trajectory generator for 6 degrees of freedom powered descent guidance. TrajDiffuser is a statistical model that learns the multi-modal distributions of a dataset of simulated optimal trajectories, each subject to only one or few constraints that may vary for different trajectories. During inference, the trajectory is generated simultaneously over time, providing stable long-horizon planning, and constraints can be composed together, increasing the model's generalizability and decreasing the training data required. The generated trajectory is then used to initialize an optimizer, increasing its robustness and speed.
- Abstract(参考訳): この研究は、TrajDiffuserを紹介している。TrajDiffuserは、組成拡散に基づくフレキシブルで同時な軌道生成器で、6自由度駆動の降下誘導を提供する。
TrajDiffuserは、シミュレーションされた最適軌道のデータセットのマルチモーダル分布を学習する統計モデルである。
推論中、軌道は時間とともに同時に生成され、安定した長距離計画が提供され、モデルの一般化可能性を高め、必要なトレーニングデータを減らすことができる。
生成された軌道はオプティマイザの初期化に使用され、ロバスト性や速度が向上する。
関連論文リスト
- Constrained Diffusion Models via Dual Training [80.03953599062365]
拡散プロセスは、トレーニングデータセットのバイアスを反映したサンプルを生成する傾向がある。
所望の分布に基づいて拡散制約を付与し,制約付き拡散モデルを構築する。
本稿では,制約付き拡散モデルを用いて,目的と制約の最適なトレードオフを実現する混合データ分布から新しいデータを生成することを示す。
論文 参考訳(メタデータ) (2024-08-27T14:25:42Z) - On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。
本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
論文 参考訳(メタデータ) (2024-05-18T15:59:41Z) - Flexible Multi-Generator Model with Fused Spatiotemporal Graph for
Trajectory Prediction [2.1638817206926855]
軌道予測は、自動車レーダーシステムにおいて重要な役割を果たす。
将来の軌道上の分布を学習する能力を持つ生成的敵ネットワークは、分布外サンプルを予測する傾向がある。
本稿では,歩行者軌跡の社会的相互作用を捉え,不連結な変動をモデル化する軌道予測フレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-06T02:46:05Z) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳(メタデータ) (2023-10-11T18:38:28Z) - A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。
我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文 参考訳(メタデータ) (2023-05-31T15:33:16Z) - Enhancing the Robustness via Adversarial Learning and Joint
Spatial-Temporal Embeddings in Traffic Forecasting [11.680589359294972]
本稿では,ダイナミックスとロバストネスのバランスをとることの課題に対処するため,TrendGCNを提案する。
我々のモデルは、空間的(ノード的に)埋め込みと時間的(時間的に)埋め込みを同時に組み込んで、不均一な空間的・時間的畳み込みを考慮に入れている。
ステップワイドな予測エラーを独立して扱う従来のアプローチと比較して、我々のアプローチはより現実的で堅牢な予測を生み出すことができる。
論文 参考訳(メタデータ) (2022-08-05T09:36:55Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳(メタデータ) (2022-06-29T22:19:03Z) - Flow-based Spatio-Temporal Structured Prediction of Motion Dynamics [21.24885597341643]
条件付き流れ (CNF) は、高次元と相互相関を持つ複雑な分布を表現できるフレキシブルな生成モデルである。
本研究では,時間的入力特徴の出力を自己回帰的に正規化する新しい手法としてMotionFlowを提案する。
本稿では,予測,動き予測時系列予測,二分節分割などのタスクに本手法を適用した。
論文 参考訳(メタデータ) (2021-04-09T14:30:35Z) - Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。
本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。
実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
論文 参考訳(メタデータ) (2020-09-21T13:57:10Z)
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。