論文の概要: Adaptive Monitoring of Stochastic Fire Front Processes via Information-seeking Predictive Control

• arxiv url: http://arxiv.org/abs/2601.11231v2
• Date: Sat, 21 Feb 2026 11:30:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.809972
• Title: Adaptive Monitoring of Stochastic Fire Front Processes via Information-seeking Predictive Control
• Title（参考訳）: 情報探索予測制御による確率的火災前処理の適応モニタリング
• Authors: Savvas Papaioannou, Panayiotis Kolios, Christos G. Panayiotou, Marios M. Polycarpou,
• Abstract要約: 移動エージェント(ドローンなど)を用いて山火事の現場を適応的に監視する問題を考える。 野火の進化の性質は、検知、推定、制御のシームレスな統合を必要とするため、これは難しい問題である。 我々は, 火災前監視タスクを, 感知, 推定, 制御を統合した最適制御問題として定式化する。
• 参考スコア（独自算出の注目度）: 7.775545390766459
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of adaptively monitoring a wildfire front using a mobile agent (e.g., a drone), whose trajectory determines where sensor data is collected and thus influences the accuracy of fire propagation estimation. This is a challenging problem, as the stochastic nature of wildfire evolution requires the seamless integration of sensing, estimation, and control, often treated separately in existing methods. State-of-the-art methods either impose linear-Gaussian assumptions to establish optimality or rely on approximations and heuristics, often without providing explicit performance guarantees. To address these limitations, we formulate the fire front monitoring task as a stochastic optimal control problem that integrates sensing, estimation, and control. We derive an optimal recursive Bayesian estimator for a class of stochastic nonlinear elliptical-growth fire front models. Subsequently, we transform the resulting nonlinear stochastic control problem into a finite-horizon Markov decision process and design an information-seeking predictive control law obtained via a lower confidence bound-based adaptive search algorithm with asymptotic convergence to the optimal policy.
• Abstract（参考訳）: 本研究では,センサデータの収集場所を決定する移動エージェント(例えばドローン)を用いて,山火事前部を適応的に監視する問題点を考察し,火災伝播推定の精度に影響を及ぼす。 これは、山火事の進化の確率的な性質は、しばしば既存の方法で別々に扱われる、センシング、推定、制御のシームレスな統合を必要とするため、難しい問題である。 最先端の手法では、最適性を確立するために線形ガウスの仮定を課すか、近似とヒューリスティックに依存し、しばしば明示的な性能保証を提供しない。 これらの制約に対処するため, 火災前監視タスクを, 検知, 推定, 制御を統合した確率論的最適制御問題として定式化する。 確率論的非線形楕円成長ファイアフロントモデルのクラスに対する最適再帰的ベイズ推定器を導出する。 その後、非線形確率制御問題を有限水平マルコフ決定過程に変換し、最適ポリシーに漸近収束した低信頼境界ベース適応探索アルゴリズムを用いて得られる情報探索予測制御則を設計する。

関連論文リスト

• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Trust Region Constrained Measure Transport in Path Space for Stochastic Optimal Control and Inference [49.11857020431547]
  信頼領域に基づく戦略は,対象尺度の先行から幾何的アニーリングと解釈できることを示す。 我々は,新しい手法が性能を大幅に向上させることができることを,複数の最適制御応用で実証した。
  論文  参考訳（メタデータ） (2025-08-17T22:10:35Z)
• Acquiring Better Load Estimates by Combining Anomaly and Change Point Detection in Power Grid Time-series Measurements [0.49478969093606673]
  提案手法は,可視データに対する堅牢かつ一般化可能な性能を確保しつつ,解釈可能性の優先順位付けを行う。 その結果, 濾過が適用されない場合に, 洗浄電位が明らかになることが示唆された。 我々の方法論の解釈可能性によって、重要なインフラ計画に特に適しています。
  論文  参考訳（メタデータ） (2024-05-25T10:15:51Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent [43.097493761380186]
  勾配アルゴリズムは線形系を解くのに有効な方法である。 最適値に収束しない場合であっても,勾配降下は正確な予測を導出することを示す。 実験的に、勾配降下は十分に大規模または不条件の回帰タスクにおいて最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-06-20T15:07:37Z)
• Probabilistic Control and Majorization of Optimal Control [3.2634122554914002]
  確率論的制御設計は、有理エージェントが任意の所望の閉ループ系軌道密度をモデル化しようとする原理に基づいている。 本研究では、所望の閉ループ挙動の代替パラメトリゼーションを導入し、密度間の代替近接測度を探索する。
  論文  参考訳（メタデータ） (2022-05-06T15:04:12Z)
• Stochastic Control through Approximate Bayesian Input Inference [23.65155934960922]
  不確実性下での最適制御は、最適化問題のためのトラクタブルソリューションの作成が困難であるため、制御の一般的な課題です。 制御問題を入力推定の1つとすることで、高度な近似推論技術を用いて統計近似を原理的かつ実用的な方法で処理することができる。
  論文  参考訳（メタデータ） (2021-05-17T09:27:12Z)
• Advancing Trajectory Optimization with Approximate Inference: Exploration, Covariance Control and Adaptive Risk [29.811633555275666]
  制御(i2c)アルゴリズムの入力推論を検討し、高度な軌道最適化を可能にする3つの重要な特性を導出する。 非線形システムを最適化する際に、オープンループオプティマとクローズドループ分散低減の利点を組み合わせた専門家の線形ガウスコントローラ。
  論文  参考訳（メタデータ） (2021-03-10T19:52:31Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。