Fugu-MT 論文翻訳(概要): End-to-End Imitation Learning for Optimal Asteroid Proximity Operations

論文の概要: End-to-End Imitation Learning for Optimal Asteroid Proximity Operations

arxiv url: http://arxiv.org/abs/2502.01034v1
Date: Mon, 03 Feb 2025 04:09:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-05 14:53:34.810215
Title: End-to-End Imitation Learning for Optimal Asteroid Proximity Operations
Title（参考訳）: 小惑星の至近距離最適操作のためのエンド・ツー・エンド模擬学習
Authors: Patrick Quinn, George Nehma, Madhur Tiwari,
Abstract要約: 本稿ではニューラルネットワークを用いたエンドツーエンドのアルゴリズムを提案する。ハイブリッドモデル予測制御(MPC)ガイド付き模倣学習コントローラは、従来のMPCコントローラよりも計算効率が向上する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Controlling spacecraft near asteroids in deep space comes with many challenges. The delays involved necessitate heavy usage of limited onboard computation resources while fuel efficiency remains a priority to support the long loiter times needed for gathering data. Additionally, the difficulty of state determination due to the lack of traditional reference systems requires a guidance, navigation, and control (GNC) pipeline that ideally is both computationally and fuel-efficient, and that incorporates a robust state determination system. In this paper, we propose an end-to-end algorithm utilizing neural networks to generate near-optimal control commands from raw sensor data, as well as a hybrid model predictive control (MPC) guided imitation learning controller delivering improvements in computational efficiency over a traditional MPC controller.
Abstract（参考訳）: 深宇宙での小惑星近傍の宇宙船の制御には多くの課題が伴う。遅延は、限られた計算資源の大量使用を必要とする一方で、燃料効率は、データ収集に必要な長いロイヤ時間をサポートするための優先事項である。さらに、従来の参照システムの欠如による状態決定の難しさは、理想的には計算と燃料効率の両方を兼ね備え、堅牢な状態決定システムを組み込んだガイダンス、ナビゲーション、制御(GNC)パイプラインを必要とする。本稿では,ニューラルネットワークを用いて生センサデータからほぼ最適制御コマンドを生成するエンド・ツー・エンドのアルゴリズムと,従来のMPCコントローラよりも計算効率の向上を実現するハイブリッドモデル予測制御(MPC)誘導模倣学習コントローラを提案する。

関連論文リスト

Communication-Control Codesign for Large-Scale Wireless Networked Control Systems [80.30532872347668]
無線ネットワーク制御システム(Wireless Networked Control Systems, WNCS)は、ドローン群や自律ロボットなどのアプリケーションにおいて柔軟な制御を可能にする産業用4.0に必須である。本稿では,マルチ状態マルコフブロックフェーディングチャネル上で限られた無線リソースを共有するセンサやアクチュエータを用いて,複数の制御ループ間の相関ダイナミクスを捕捉する実用的WNCSモデルを提案する。本研究では,ハイブリッドな動作空間を効率的に処理し,通信制御の相関関係を捉え,疎域変数や浮動小数点制御の入力に拘わらず堅牢なトレーニングを確実にするDeep Reinforcement Learning (DRL)アルゴリズムを開発した。
論文参考訳（メタデータ） (2024-10-15T06:28:21Z)
Variational Autoencoders for exteroceptive perception in reinforcement learning-based collision avoidance [0.0]
Deep Reinforcement Learning (DRL) は有望な制御フレームワークとして登場した。現在のDRLアルゴリズムは、ほぼ最適ポリシーを見つけるために不均等な計算資源を必要とする。本稿では,海洋制御システムにおける提案手法の総合的な探索について述べる。
論文参考訳（メタデータ） (2024-03-31T09:25:28Z)
Partial End-to-end Reinforcement Learning for Robustness Against Modelling Error in Autonomous Racing [0.0]
本稿では、自動運転車における強化学習(RL)ソリューションの性能向上の問題に対処する。計画タスクと制御タスクを分離する部分的なエンドツーエンドアルゴリズムを提案する。従来の制御器のロバスト性を活用することにより,本アルゴリズムは標準のエンドツーエンドアルゴリズムよりもモデルミスマッチに対するロバスト性を向上する。
論文参考訳（メタデータ） (2023-12-11T14:27:10Z)
Improving Computational Efficiency for Powered Descent Guidance via Transformer-based Tight Constraint Prediction [1.2074552857379275]
Transformer-based Powered Descent Guidance (T-PDG) は、宇宙船による降下誘導問題の直接最適化の計算量を削減するスケーラブルなアルゴリズムである。 T-PDGは、従来の軌道最適化アルゴリズムからのデータを使用して、トランスフォーマーニューラルネットワークをトレーニングし、問題パラメータ間の関係を正確に予測する。最終軌道を返す前に、T−PDGに実現可能性チェックを組み込むことにより、安全で最適な解が保証される。
論文参考訳（メタデータ） (2023-11-09T04:26:25Z)
Energy-Efficient On-Board Radio Resource Management for Satellite Communications via Neuromorphic Computing [59.40731173370976]
本研究は,エネルギー効率のよい脳誘発機械学習モデルのオンボード無線リソース管理への応用について検討する。関連するワークロードでは、Loihi 2に実装されたスパイクニューラルネットワーク(SNN)の方が精度が高く、CNNベースのリファレンスプラットフォームと比較して消費電力が100ドル以上削減される。
論文参考訳（メタデータ） (2023-08-22T03:13:57Z)
Deep Learning for Wireless Networked Systems: a joint Estimation-Control-Scheduling Approach [47.29474858956844]
ワイヤレスネットワーク制御システム(Wireless Networked Control System, WNCS)は、無線通信を介してセンサ、コントローラ、アクチュエータを接続する技術であり、産業用 4.0 時代において、高度にスケーラブルで低コストな制御システムの展開を可能にする技術である。 WNCSにおける制御と通信の密接な相互作用にもかかわらず、既存のほとんどの研究は分離設計アプローチを採用している。モデルフリーデータとモデルベースデータの両方を利用する制御と最適化のための,DRLに基づく新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-10-03T01:29:40Z)
Nonlinear Control Allocation: A Learning Based Approach [0.0]
現代の航空機は、耐故障性と操縦性要件を満たすために冗長な制御エフェクターで設計されている。これにより航空機は過度に作動し、制御エフェクタ間で制御コマンドを分配するために制御割り当てスキームが必要となる。伝統的に最適化に基づく制御割当スキームが用いられるが、非線型割当問題では、これらの手法は大きな計算資源を必要とする。本研究では,ニューラルネットワーク(ANN)に基づく非線形制御割り当て方式を提案する。
論文参考訳（メタデータ） (2022-01-17T02:30:25Z)
Regret-optimal Estimation and Control [52.28457815067461]
後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
論文参考訳（メタデータ） (2021-06-22T23:14:21Z)
DikpolaSat Mission: Improvement of Space Flight Performance and Optimal Control Using Trained Deep Neural Network -- Trajectory Controller for Space Objects Collision Avoidance [0.0]
本稿では,宇宙船を所望の経路に追従させることにより,制御器の実証を行う方法について述べる。障害回避アルゴリズムは、ニューラルネットワークからの入力を使用して自然に応答する制御機能に組み込まれる。飛行制御と燃料消費を最適化するための複数のアルゴリズムは、軌道の飛行力学の知識を用いて実装することができる。
論文参考訳（メタデータ） (2021-05-30T23:35:13Z)
Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文参考訳（メタデータ） (2021-05-20T17:52:37Z)
Power Control for a URLLC-enabled UAV system incorporated with DNN-Based Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文参考訳（メタデータ） (2020-11-14T02:31:04Z)

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。