論文の概要: Global Search of Optimal Spacecraft Trajectories using Amortization and Deep Generative Models

• arxiv url: http://arxiv.org/abs/2412.20023v1
• Date: Sat, 28 Dec 2024 04:57:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:03:54.888830
• Title: Global Search of Optimal Spacecraft Trajectories using Amortization and Deep Generative Models
• Title（参考訳）: AmortizationとDeep Generative Modelを用いた最適宇宙機軌道のグローバル探索
• Authors: Ryne Beeson, Anjian Li, Amlan Sinha,
• Abstract要約: パラメータ化された大域的探索問題を,高品質な解に対するアトラクションの局所的な流域の近傍を支援して条件付き確率分布をサンプリングするタスクとして定式化する。 この手法は、円形に制限された3体問題における低推力宇宙船軌道最適化問題でベンチマークされる。 また,低推力宇宙船軌道最適化問題のマルチモーダルファンネル構造を詳細に解析する。
• 参考スコア（独自算出の注目度）: 0.5898893619901381
• License:
• Abstract: Preliminary spacecraft trajectory optimization is a parameter dependent global search problem that aims to provide a set of solutions that are of high quality and diverse. In the case of numerical solution, it is dependent on the original optimal control problem, the choice of a control transcription, and the behavior of a gradient based numerical solver. In this paper we formulate the parameterized global search problem as the task of sampling a conditional probability distribution with support on the neighborhoods of local basins of attraction to the high quality solutions. The conditional distribution is learned and represented using deep generative models that allow for prediction of how the local basins change as parameters vary. The approach is benchmarked on a low thrust spacecraft trajectory optimization problem in the circular restricted three-body problem, showing significant speed-up over a simple multi-start method and vanilla machine learning approaches. The paper also provides an in-depth analysis of the multi-modal funnel structure of a low-thrust spacecraft trajectory optimization problem.
• Abstract（参考訳）: 予備的な宇宙船軌道最適化は、高品質で多様な解のセットを提供することを目的とした、パラメータ依存のグローバルサーチ問題である。 数値解の場合は、元の最適制御問題、制御転写の選択、勾配に基づく数値解法の挙動に依存する。 本稿では,局所的なアトラクション流域の近傍を高品質なソリューションに支援して,条件付き確率分布をサンプリングするタスクとして,パラメータ化されたグローバル検索問題を定式化する。 条件分布は、パラメータが変化するにつれて局所的な盆地がどのように変化するかを予測できる深層生成モデルを用いて学習され、表現される。 この手法は、円形に制限された3体問題における低推力宇宙船軌道最適化問題でベンチマークされ、単純なマルチスタート法とバニラ機械学習アプローチよりも大幅に高速化された。 また,低推力宇宙船軌道最適化問題のマルチモーダルファンネル構造を詳細に解析する。

関連論文リスト

• DiffuSolve: Diffusion-based Solver for Non-convex Trajectory Optimization [9.28162057044835]
  最適軌道局所は非線形および高次元力学系において計算コストが高い。 本稿では,非次元オプティマ問題に対するDiffuに基づく一般モデルを提案する。 また,新たな制約付き拡散モデルであるDiff+を提案する。
  論文  参考訳（メタデータ） (2024-02-22T03:52:17Z)
• Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
  本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。 我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。 本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-08T23:39:38Z)
• Amortized Global Search for Efficient Preliminary Trajectory Design with Deep Generative Models [1.1602089225841632]
  予備軌道設計は、軌道最適化問題に対する複数の定性的異なる解を求める大域的問題である。 本稿では,AGS (Global Search) フレームワークを提案する。 提案手法は,Derustの5番目の機能と,低次円周制限3体問題を用いて評価した。
  論文  参考訳（メタデータ） (2023-08-07T23:52:03Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Accelerating Inverse Learning via Intelligent Localization with Exploratory Sampling [1.5976506570992293]
  逆問題の解決は 物質と薬物発見の 長年の課題です 近年,逆問題の解法として深部生成モデルが提案されている。 逆学習を高速化する新しい手法(iPage)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T08:00:04Z)
• Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
  非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。 本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
  論文  参考訳（メタデータ） (2022-01-28T05:53:28Z)
• Fighting the curse of dimensionality: A machine learning approach to finding global optima [77.34726150561087]
  本稿では,構造最適化問題におけるグローバル最適化の方法を示す。 特定のコスト関数を利用することで、最適化手順が確立された場合と比較して、グローバルをベストに得るか、最悪の場合、優れた結果を得るかのどちらかを得る。
  論文  参考訳（メタデータ） (2021-10-28T09:50:29Z)
• An end-to-end data-driven optimisation framework for constrained trajectories [4.73357470713202]
  データ駆動アプローチを活用して、最適化問題のための新しいエンドツーエンドフレームワークを設計します。 我々は、航空と航路の2つの設定にアプローチを適用し、指令結果を得る。
  論文  参考訳（メタデータ） (2020-11-24T00:54:17Z)
• Learning the Solution Manifold in Optimization and Its Application in Motion Planning [4.177892889752434]
  我々は、変数のような変数上の多様体を学習し、そのようなモデルは無限の解の集合を表す。 本フレームワークでは,この重要度を用いて問題推定を行う。 本研究では,高次元パラメータの最適化を含む動き計画問題に適用する。
  論文  参考訳（メタデータ） (2020-07-24T08:05:36Z)
• 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)
• Implicit differentiation of Lasso-type models for hyperparameter optimization [82.73138686390514]
  ラッソ型問題に適した行列逆転のない効率的な暗黙微分アルゴリズムを提案する。 提案手法は,解の空間性を利用して高次元データにスケールする。
  論文  参考訳（メタデータ） (2020-02-20T18:43:42Z)

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。