論文の概要: Active Localization of Unstable Systems with Coarse Information

• arxiv url: http://arxiv.org/abs/2602.06191v1
• Date: Thu, 05 Feb 2026 20:56:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.210547
• Title: Active Localization of Unstable Systems with Coarse Information
• Title（参考訳）: 粗い情報を用いた不安定系のアクティブな位置決め
• Authors: Ege Yuceel, Daniel Liberzon, Sayan Mitra,
• Abstract要約: 粗い単一ビットセンシング下での不安定なシステムの局所化と制御について検討する。 我々は,Voronoiパーティションから導かれる制御戦略とセットベース推定器を統合する能動的ローカライゼーションアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 2.094349987888854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study localization and control for unstable systems under coarse, single-bit sensing. Motivated by understanding the fundamental limitations imposed by such minimal feedback, we identify sufficient conditions under which the initial state can be recovered despite instability and extremely sparse measurements. Building on these conditions, we develop an active localization algorithm that integrates a set-based estimator with a control strategy derived from Voronoi partitions, which provably estimates the initial state while ensuring the agent remains in informative regions. Under the derived conditions, the proposed approach guarantees exponential contraction of the initial-state uncertainty, and the result is further supported by numerical experiments. These findings can offer theoretical insight into localization in robotics, where sensing is often limited to coarse abstractions such as keyframes, segmentations, or line-based features.
• Abstract（参考訳）: 粗い単一ビットセンシング下での不安定なシステムの局所化と制御について検討する。 このような最小限のフィードバックによって課される基本的制約を理解することにより、不安定性や極めてスパースな測定にもかかわらず初期状態が回復できる十分な条件を特定する。 これらの条件に基づいて,設定ベース推定器とボロノイ分割から導出した制御戦略を統合し,エージェントが情報領域に留まっていることを確実に評価する能動的局所化アルゴリズムを開発した。 導出条件下では,提案手法は初期状態の不確実性の指数的収縮を保証し,数値実験によりさらに支持される。 これらの発見は、センサーがキーフレーム、セグメンテーション、ラインベース機能といった粗い抽象化に制限されるロボット工学におけるローカライゼーションに関する理論的洞察を与えることができる。

関連論文リスト

• Sparse, self-organizing ensembles of local kernels detect rare statistical anomalies [7.472760645164855]
  弱い信号や稀な信号は、通常のデータの明らかな規則性の中に隠され、異常を検出して解釈する能力のギャップを生じさせます。 統計的不均衡領域の周囲の表現空間を適応的に分割する自己組織型ローカルカーネルのクラスを提案する。 本稿では,提案モデルにおける検出と自己組織化を駆動するメカニズムに関する理論的知見を提供し,本手法が現実的な高次元問題に与える影響を実証する。
  論文  参考訳（メタデータ） (2025-11-05T00:55:56Z)
• Recurrent neural network-based robust control systems with closed-loop regional incremental ISS and application to MPC design [0.43748379918040853]
  本稿では,リカレントニューラルネットワークのクラスによって記述されたシステムに対する出力フィードバック方式の設計について検討する。 本稿では, 線形行列の不等式に基づいて, オブザーバと静的状態フィードバックコントローラを設計する手法を提案する。 本稿では,静的法則を管型非線形モデル予測制御器に置き換える手法を提案する。
  論文  参考訳（メタデータ） (2025-06-25T11:44:28Z)
• Rethinking State Disentanglement in Causal Reinforcement Learning [78.12976579620165]
  因果性は、根底にある状態が識別可能性によって一意に回復できることを保証するための厳密な理論的支援を提供する。 我々はこの研究ラインを再考し、RL固有のコンテキストを取り入れることで、潜在状態に対する以前の識別可能性分析における不要な仮定を低減できることを示した。 本稿では, 従来手法の複雑な構造制約を, 遷移と報酬保存の2つの簡単な制約に置き換えることにより, 一般に部分的に観測可能なマルコフ決定過程(POMDP)を提案する。
  論文  参考訳（メタデータ） (2024-08-24T06:49:13Z)
• Beyond the Edge of Stability via Two-step Gradient Updates [49.03389279816152]
  Gradient Descent(GD)は、現代の機械学習の強力な仕事場である。 GDが局所最小値を見つける能力は、リプシッツ勾配の損失に対してのみ保証される。 この研究は、2段階の勾配更新の分析を通じて、単純だが代表的でありながら、学習上の問題に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-08T21:32:50Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
  LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。 本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:12:00Z)
• Sparsity in Partially Controllable Linear Systems [56.142264865866636]
  本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。 最適制御には無関係な状態変数を特徴付ける。
  論文  参考訳（メタデータ） (2021-10-12T16:41:47Z)
• Versatile and Robust Transient Stability Assessment via Instance Transfer Learning [6.760999627905228]
  本稿では,電力系統力学の知識を取り入れたデータ駆動型アルゴリズムに新たなデータ収集手法を提案する。 不安定領域に関する重要な情報を提供する断層影響領域という新しい概念を導入する。 IEEE 39バスシステムのテスト結果は、このモデルがこれまで見つからなかった運用シナリオの安定性を正確に予測できることを検証します。
  論文  参考訳（メタデータ） (2021-02-20T09:10:29Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。