論文の概要: Meanshift Shape Formation Control Using Discrete Mass Distribution

• arxiv url: http://arxiv.org/abs/2602.00980v1
• Date: Sun, 01 Feb 2026 02:44:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.053781
• Title: Meanshift Shape Formation Control Using Discrete Mass Distribution
• Title（参考訳）: 離散質量分布を用いた平均シフト形状制御
• Authors: Yichen Cai, Yuan Gao, Pengpeng Li, Wei Wang, Guibin Sun, Jinhu Lü,
• Abstract要約: 近年,Swarmサイズの変化への適応性から,密度分布法は有望なパラダイムとなっている。 我々は、複雑な形状を形成し、Swarmサイズのバリエーションに適応する双対能力を備えた、完全に分散された分散ベースの制御戦略を開発する。 提案手法を検証するため, 複雑な形状形成の効率と, 群サイズ変動への適応性を評価するため, 総合シミュレーションと実世界の実験を行った。
• 参考スコア（独自算出の注目度）: 16.36969400687589
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The density-distribution method has recently become a promising paradigm owing to its adaptability to variations in swarm size. However, existing studies face practical challenges in achieving complex shape representation and decentralized implementation. This motivates us to develop a fully decentralized, distribution-based control strategy with the dual capability of forming complex shapes and adapting to swarm-size variations. Specifically, we first propose a discrete mass-distribution function defined over a set of sample points to model swarm formation. In contrast to the continuous density-distribution method, our model eliminates the requirement for defining continuous density functions-a task that is difficult for complex shapes. Second, we design a decentralized meanshift control law to coordinate the swarm's global distribution to fit the sample-point distribution by feeding back mass estimates. The mass estimates for all sample points are achieved by the robots in a decentralized manner via the designed mass estimator. It is shown that the mass estimates of the sample points can asymptotically converge to the true global values. To validate the proposed strategy, we conduct comprehensive simulations and real-world experiments to evaluate the efficiency of complex shape formation and adaptability to swarm-size variations.
• Abstract（参考訳）: 近年,Swarmサイズの変化への適応性から,密度分布法は有望なパラダイムとなっている。 しかし、既存の研究では、複雑な形状表現と分散化実装を実現するための実践的な課題に直面している。 これにより、複雑な形状を形成し、Swarmサイズのバリエーションに適応する2つの能力を持つ、完全に分散された分散ベースの制御戦略を開発することができる。 具体的には,まず,サンプル点の集合上に定義された離散分布関数をモデルSwarm生成に提案する。 連続密度分布法とは対照的に, このモデルでは, 複素形状に難解な連続密度関数の定義要件を排除している。 第2に,Swarmのグローバル分布を調整し,質量推定をフィードバックすることによってサンプル点分布に適合させる分散平均シフト制御法を設計する。 全てのサンプル点の質量推定は、設計された質量推定器を介して、ロボットによって分散的に達成される。 サンプル点の質量推定は、漸近的に真の大域値に収束できることが示されている。 提案手法を検証するため, 複雑な形状形成の効率と, 群サイズ変動への適応性を評価するため, 総合シミュレーションと実世界の実験を行った。

関連論文リスト

• A Generative Sampler for distributions with possible discrete parameter based on Reversibility [9.349846971147256]
  本稿では,多種多様な状態空間にまたがって適用可能な,統一的かつ段階的な目標自由な生成サンプリングフレームワークを提案する。 我々は,前方と後方のマルコフ軌道の関節分布の最大平均差 (MMD) を最小化する。 実験により,本フレームワークは熱力学観測器を正確に再現し,すべてのレシエーションでモードスイッチング動作を捉えていることがわかった。
  論文  参考訳（メタデータ） (2026-03-10T06:32:51Z)
• Adjoint Sampling: Highly Scalable Diffusion Samplers via Adjoint Matching [33.9461078261722]
  非正規化密度からの拡散過程を学習するための,高度にスケーラブルで効率的なアルゴリズムであるAdjoint Samplingを導入する。 カルテジアンおよびねじり座標の両方の分子をモデル化するために、鍵対称性と周期境界条件を組み込む方法を示す。 本稿では,古典的エネルギー関数の広範な実験を通じて提案手法の有効性を実証し,さらにニューラルネットワークに基づくエネルギーモデルまで拡張する。
  論文  参考訳（メタデータ） (2025-04-16T02:20:06Z)
• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Towards a mathematical theory for consistency training in diffusion models [17.632123036281957]
  本稿では,一貫性モデルの理論的基盤を確立するための第一歩を踏み出す。 分布中のターゲットに近接する$varepsilon$のサンプルを生成するためには、データ次元で$d5/2/varepsilon$を超える一貫性学習のステップの数に十分であることを示す。 我々の理論は一貫性モデルの有効性と有効性に関する厳密な洞察を与え、下流推論タスクにおけるそれらの有用性を示す。
  論文  参考訳（メタデータ） (2024-02-12T17:07:02Z)
• DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
  本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。 任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。 各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-01-23T15:18:54Z)
• Super-model ecosystem: A domain-adaptation perspective [101.76769818069072]
  本稿では,ドメイン適応による新たなスーパーモデルパラダイムの理論的基礎を確立することを試みる。 スーパーモデルパラダイムは、計算とデータコストと二酸化炭素排出量を減らすのに役立つ。
  論文  参考訳（メタデータ） (2022-08-30T09:09:43Z)

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。