Fugu-MT 論文翻訳(概要): Quasi-Periodic Gaussian Process Predictive Iterative Learning Control

論文の概要: Quasi-Periodic Gaussian Process Predictive Iterative Learning Control

arxiv url: http://arxiv.org/abs/2602.18014v1
Date: Fri, 20 Feb 2026 06:10:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-23 18:01:41.244325
Title: Quasi-Periodic Gaussian Process Predictive Iterative Learning Control
Title（参考訳）: 準周期ガウス過程予測反復学習制御
Authors: Unnati Nigam, Radhendushka Srivastava, Faezeh Marzbanrad, Michael Burke,
Abstract要約: 反復学習制御(ILC)は、過去のイテレーションの情報を用いて、将来のイテレーションで期待されるエラーを補うことで、パフォーマンスを向上させる。この研究は、QPGP(Quasi-Periodic Gaussian Processes)を予測ICCフレームワークに組み込んだものである。本手法は,標準ICCと従来のGPベース予測ICCの両方を3つのタスクで比較した。
参考スコア（独自算出の注目度）: 7.0206339525686055
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Repetitive motion tasks are common in robotics, but performance can degrade over time due to environmental changes and robot wear and tear. Iterative learning control (ILC) improves performance by using information from previous iterations to compensate for expected errors in future iterations. This work incorporates the use of Quasi-Periodic Gaussian Processes (QPGPs) into a predictive ILC framework to model and forecast disturbances and drift across iterations. Using a recent structural equation formulation of QPGPs, the proposed approach enables efficient inference with complexity $\mathcal{O}(p^3)$ instead of $\mathcal{O}(i^2p^3)$, where $p$ denotes the number of points within an iteration and $i$ represents the total number of iterations, specially for larger $i$. This formulation also enables parameter estimation without loss of information, making continual GP learning computationally feasible within the control loop. By predicting next-iteration error profiles rather than relying only on past errors, the controller achieves faster convergence and maintains this under time-varying disturbances. We benchmark the method against both standard ILC and conventional Gaussian Process (GP)-based predictive ILC on three tasks, autonomous vehicle trajectory tracking, a three-link robotic manipulator, and a real-world Stretch robot experiment. Across all cases, the proposed approach converges faster and remains robust under injected and natural disturbances while reducing computational cost. This highlights its practicality across a range of repetitive dynamical systems.
Abstract（参考訳）: 繰り返し動作タスクはロボット工学では一般的であるが、環境の変化やロボットの摩耗や裂け目により、パフォーマンスは経時的に低下する可能性がある。反復学習制御(ILC)は、過去のイテレーションの情報を用いて、将来のイテレーションで期待されるエラーを補うことで、パフォーマンスを向上させる。この研究は、QPGP(Quasi-Periodic Gaussian Processes)を予測ICCフレームワークに組み込んで、乱れをモデル化し予測し、繰り返しにわたってドリフトする。 QPGPの最近の構造方程式の定式化を用いて、提案手法は、$\mathcal{O}(p^3)$の代わりに$\mathcal{O}(i^2p^3)$で効率的な推論を可能にし、$p$はイテレーション内の点数を表し、$i$はイテレーションの総数を表す。この定式化により情報を失うことなくパラメータ推定が可能となり、連続GP学習が制御ループ内で計算可能となる。過去のエラーにのみ依存するのではなく、次のタイミングのエラープロファイルを予測することにより、コントローラはより高速な収束を実現し、時間変化の乱れの下でこれを維持できる。本手法は,3つのタスク,自律走行軌道追跡,3リンクロボットマニピュレータ,現実世界のストレッチロボット実験において,標準ICCと従来のGPプロセスに基づく予測ICCの両方に対してベンチマークを行った。いずれの場合も、提案手法はより高速に収束し、インジェクションや自然乱れの下では頑健でありながら計算コストを低減している。これは、一連の反復力学系における実用性を強調している。

関連論文リスト

A Class of Accelerated Fixed-Point-Based Methods with Delayed Inexact Oracles and Its Applications [3.6997773420183866]
我々は,非拡張作用素の固定点を近似するために,遅延不正確なオラクルを用いた固定点ベースのフレームワークを開発する。本手法はネステロフ加速法とクラスノセル・スキーマン(KM)反復法の両方を利用する。
論文参考訳（メタデータ） (2025-12-15T17:06:22Z)
Sparse Variable Projection in Robotic Perception: Exploiting Separable Structure for Efficient Nonlinear Optimization [17.673808672099454]
本稿では,分離性と疎性を両立させるゲージ対称性の問題に対するVarProスキームを提案する。本手法は,EmphmatrixフリーなSchur補演算子を構築するための1回前処理ステップとして適用することができる。オープンソースのC++実装と、実験から得られたすべてのデータセットをリリースしています。
論文参考訳（メタデータ） (2025-12-08T19:02:56Z)
Evolution Strategies at the Hyperscale [57.75314521465674]
本稿では,大集団にバックプロップフリーな最適化を拡大するための進化戦略(ES)アルゴリズムEGGROLLを紹介する。 ESは、微分不可能またはノイズの多い目的を処理できる強力なブラックボックス最適化手法のセットである。 EGGROLLはランダム行列を$Ain mathbbRmtimes r, Bin mathbbRntimes r$ with $rll min(m,n)$ とすることでこれらのボトルネックを克服し、低ランク行列摂動を$A Btop$とする。
論文参考訳（メタデータ） (2025-11-20T18:56:05Z)
INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
論文参考訳（メタデータ） (2025-11-16T20:14:28Z)
Efficient Network Automatic Relevance Determination [30.611086842690426]
Network Automatic Relevance determined (NARD)は、線形確率モデルのためのARDの拡張である。 NARD は mathbb Rd 倍 N$ の入力のスパース関係を同時にモデル化し、mathbb Rm 倍 N$ の入力の $Y を出力する。
論文参考訳（メタデータ） (2025-06-14T05:20:25Z)
Convergence of ease-controlled Random Reshuffling gradient Algorithms under Lipschitz smoothness [0.0]
非常に多くのスムーズで可能な非サイズの関数の平均を考慮し、この問題に対処するために2つの広く最小限のフレームワークを使用します。 IG/RRスキームの簡易制御による修正を定義する。我々は、完全なバッチ勾配(L-BFGS)とIG/RR手法の実装の両方で実装を証明し、アルゴリズムが同様の計算作業を必要とすることを証明した。
論文参考訳（メタデータ） (2022-12-04T15:26:36Z)
Deep Equilibrium Optical Flow Estimation [80.80992684796566]
最近のSOTA(State-of-the-art)光フローモデルでは、従来のアルゴリズムをエミュレートするために有限ステップの更新操作を使用する。これらのRNNは大きな計算とメモリオーバーヘッドを課し、そのような安定した推定をモデル化するために直接訓練されていない。暗黙的層の無限レベル固定点として直接流れを解く手法として,Deep equilibrium Flow estimatorを提案する。
論文参考訳（メタデータ） (2022-04-18T17:53:44Z)
Finite-time System Identification and Adaptive Control in Autoregressive Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文参考訳（メタデータ） (2021-08-26T18:00:00Z)
Reducing the Variance of Gaussian Process Hyperparameter Optimization with Preconditioning [54.01682318834995]
プレコンディショニングは、行列ベクトル乗算を含む反復的な方法にとって非常に効果的なステップである。プレコンディショニングには、これまで検討されていなかった付加的なメリットがあることを実証する。基本的に無視可能なコストで、同時に分散を低減することができる。
論文参考訳（メタデータ） (2021-07-01T06:43:11Z)

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。