論文の概要: Mission-Aligned Learning-Informed Control of Autonomous Systems: Formulation and Foundations

• arxiv url: http://arxiv.org/abs/2507.04356v1
• Date: Sun, 06 Jul 2025 11:40:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.136745
• Title: Mission-Aligned Learning-Informed Control of Autonomous Systems: Formulation and Foundations
• Title（参考訳）: 自律システムのミッション適応型学習インフォームド制御:定式化と基礎
• Authors: Vyacheslav Kungurtsev, Gustav Sir, Akhil Anand, Sebastien Gros, Haozhe Tian, Homayoun Hamedmoghadam,
• Abstract要約: 我々は、通常2段階の強化学習手順を含むロボットケアのスタイリング版を考える。 本稿では,制御を低レベルに組み込んだ2段階最適化スキームと,学習能力と統合された高レベルな古典的計画手法として,これを一般化する。
• 参考スコア（独自算出の注目度）: 2.8664652674575875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research, innovation and practical capital investment have been increasing rapidly toward the realization of autonomous physical agents. This includes industrial and service robots, unmanned aerial vehicles, embedded control devices, and a number of other realizations of cybernetic/mechatronic implementations of intelligent autonomous devices. In this paper, we consider a stylized version of robotic care, which would normally involve a two-level Reinforcement Learning procedure that trains a policy for both lower level physical movement decisions as well as higher level conceptual tasks and their sub-components. In order to deliver greater safety and reliability in the system, we present the general formulation of this as a two-level optimization scheme which incorporates control at the lower level, and classical planning at the higher level, integrated with a capacity for learning. This synergistic integration of multiple methodologies -- control, classical planning, and RL -- presents an opportunity for greater insight for algorithm development, leading to more efficient and reliable performance. Here, the notion of reliability pertains to physical safety and interpretability into an otherwise black box operation of autonomous agents, concerning users and regulators. This work presents the necessary background and general formulation of the optimization framework, detailing each component and its integration with the others.
• Abstract（参考訳）: 研究、イノベーション、実用的な資本投資は、自律的な物理エージェントの実現に向けて急速に増加している。 これには、産業用およびサービス用ロボット、無人航空機、組み込み制御デバイス、インテリジェント自律装置のサイバネティック/メカトロニクス実装の実現などが含まれる。 本稿では,ロボットケアのスタイリング版について考察し,低レベルの身体運動決定と高レベルの概念的タスクとサブコンポーネントの両方に対する政策を訓練する2段階強化学習手順について考察する。 システムの安全性と信頼性を高めるため,より低レベルの制御を組み込んだ2段階最適化スキームと,学習能力と統合された高レベルの古典的計画手法として,これを一般化した。 制御、古典的計画、RLといった複数の方法論のシナジスティックな統合は、アルゴリズム開発に対する深い洞察を与える機会を与え、より効率的で信頼性の高いパフォーマンスをもたらします。 ここでは、信頼性の概念は、物理的安全性と解釈可能性に関するものであり、それ以外は、ユーザーや規制機関に関する、自律エージェントのブラックボックス操作に関するものである。 本研究は,最適化フレームワークに必要な背景と一般化を概説し,各コンポーネントと他のコンポーネントとの統合について詳述する。

関連論文リスト

• Control-Optimized Deep Reinforcement Learning for Artificially Intelligent Autonomous Systems [8.766411351797885]
  深層強化学習(DRL)は、機械学習とAIにおいて、複雑な意思決定のための強力なツールとなっている。 従来の手法では、エージェントが選択したアクションと実際のシステム応答の間の不確実性や逸脱を見越して、完璧なアクション実行を仮定することが多い。 この作業は、アクション実行ミスマッチを明示的にモデル化し補償する、制御最適化DRLフレームワークを開発することで、AIを前進させる。
  論文  参考訳（メタデータ） (2025-06-30T21:25:52Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
  本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。 このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。 完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
  論文  参考訳（メタデータ） (2025-04-20T16:57:45Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [133.45145180645537]
  大規模言語モデル(LLM)の出現は、人工知能の変革的シフトを触媒している。 これらのエージェントがAI研究と実践的応用をますます推進するにつれて、その設計、評価、継続的な改善は複雑で多面的な課題を呈している。 この調査は、モジュール化された脳にインスパイアされたアーキテクチャ内でインテリジェントエージェントをフレーミングする、包括的な概要を提供する。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)
• Design and Validation of Learning Aware HMI For Learning-Enabled Increasingly Autonomous Systems [2.913852496198787]
  本研究は,システム工学プロセスに人間と機械の協調を組み込むことの重要性を強調する。 提案するLEIASアーキテクチャは,運用安全性を高めるために,コミュニケーション表現とパイロット選好学習に重点を置いている。
  論文  参考訳（メタデータ） (2025-01-30T17:15:39Z)
• Digital Twin Synchronization: Bridging the Sim-RL Agent to a Real-Time Robotic Additive Manufacturing Control [2.5709786140685633]
  この研究は、産業ロボット工学応用のためのソフトアクター・クライトとデジタルツインの統合を推進している。 システムアーキテクチャはUnityのシミュレーション環境とROS2を組み合わせて、シームレスなデジタル双対同期を実現する。 その結果、シミュレートされた環境と物理的環境の両方において、迅速な政策収束と堅牢なタスク実行が示された。
  論文  参考訳（メタデータ） (2025-01-29T22:06:53Z)
• Empowering Autonomous Driving with Large Language Models: A Safety Perspective [82.90376711290808]
  本稿では,Large Language Models (LLM) の自律運転システムへの統合について検討する。 LLMは行動計画におけるインテリジェントな意思決定者であり、文脈的安全学習のための安全検証シールドを備えている。 適応型LLM条件モデル予測制御(MPC)と状態機械を用いたLLM対応対話型行動計画スキームという,シミュレーション環境における2つの重要な研究について述べる。
  論文  参考訳（メタデータ） (2023-11-28T03:13:09Z)
• Planning-oriented Autonomous Driving [60.93767791255728]
  我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。 フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
  論文  参考訳（メタデータ） (2022-12-20T10:47:53Z)
• AutonoML: Towards an Integrated Framework for Autonomous Machine Learning [9.356870107137095]
  Reviewは、自動化された自動MLシステムを構成するものに関して、より広範な視点を動機付けようとしている。 その上で、以下の研究領域の開発状況を調査します。 我々は、各トピックによって拡張されたレビューを通して概念的枠組みを開発し、高レベルなメカニズムを自律mlシステムに融合する方法を1つ紹介する。
  論文  参考訳（メタデータ） (2020-12-23T11:01:10Z)

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。