論文の概要: Validation of Space Robotics in Underwater Environments via Disturbance Robustness Equivalency
- arxiv url: http://arxiv.org/abs/2603.00628v1
- Date: Sat, 28 Feb 2026 12:42:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.784804
- Title: Validation of Space Robotics in Underwater Environments via Disturbance Robustness Equivalency
- Title（参考訳）: 外乱ロバスト性による水中環境における宇宙ロボティクスの検証
- Authors: Joris Verhagen, Elias Krantz, Chelsea Sidrane, David Dörner, Nicola De Carli, Pedro Roque, Huina Mao, Gunnar Tibert, Ivan Stenius, Christer Fuglesang, Dimos Dimarogonas, Jana Tumova,
- Abstract要約: 本研究では、水中環境を利用して微小重力力学を近似する宇宙ロボットの実験的検証フレームワークを提案する。
我々は、原宇宙ミッションと検証ミッションが同じ乱れ度ロバスト性を達成するような運動計画問題を定式化する。
実験衛星プラットフォームとCubeSatのどちらかの計画と制御戦略を高密度空間力学シミュレータで検証するために, 近ニュートラル浮力条件下で動作する水中ロボットを試作した。
- 参考スコア（独自算出の注目度）: 8.271517121359345
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present an experimental validation framework for space robotics that leverages underwater environments to approximate microgravity dynamics. While neutral buoyancy conditions make underwater robotics an excellent platform for space robotics validation, there are still dynamical and environmental differences that need to be overcome. Given a high-level space mission specification, expressed in terms of a Signal Temporal Logic specification, we overcome these differences via the notion of maximal disturbance robustness of the mission. We formulate the motion planning problem such that the original space mission and the validation mission achieve the same disturbance robustness degree. The validation platform then executes its mission plan using a near-identical control strategy to the space mission where the closed-loop controller considers the spacecraft dynamics. Evaluating our validation framework relies on estimating disturbances during execution and comparing them to the disturbance robustness degree, providing practical evidence of operation in the space environment. Our evaluation features a dual-experiment setup: an underwater robot operating under near-neutral buoyancy conditions to validate the planning and control strategy of either an experimental planar spacecraft platform or a CubeSat in a high-fidelity space dynamics simulator.
- Abstract（参考訳）: 本研究では、水中環境を利用して微小重力力学を近似する宇宙ロボットの実験的検証フレームワークを提案する。
中立的な浮力条件は、水中ロボットを宇宙ロボットの検証に優れたプラットフォームにするが、それでも克服すべき動的および環境的な違いがある。
信号時間論理の仕様で表現された高レベル宇宙ミッション仕様を前提として、ミッションの最大乱れ堅牢性という概念を通じてこれらの違いを克服する。
我々は、原宇宙ミッションと検証ミッションが同じ乱れ頑健度を達成するような運動計画問題を定式化する。
検証プラットフォームは、クローズドループコントローラが宇宙船のダイナミクスを考慮する宇宙ミッションに対して、ほぼ同一の制御戦略を用いてミッション計画を実行する。
検証フレームワークの評価は, 実行中の乱れを推定し, 乱れの頑健度と比較することに依存し, 宇宙環境における運用の実践的証拠を提供する。
高密度空間力学シミュレータにおいて、実験的な平面型宇宙船プラットフォームまたはCubeSatの計画と制御戦略を検証するために、近ニュートラル浮力条件下で動作している水中ロボットである。
関連論文リスト
- Marinarium: a New Arena to Bring Maritime Robotics Closer to Shore [13.103990961903408]
マリナリウム(Marinarium)は、海洋と宇宙の類似したロボット実験のための現実的なテストベッドを提供するために設計された、単独の水中研究施設である。
マリナリウムは完全装備された水中と空中の運用容量を組み合わさり、引き込み可能な屋根で実際の天候を再現し、SMARCSimシミュレータのデジタルツインと宇宙ロボティクス研究所との密接な統合を図っている。
論文 参考訳（メタデータ） (2026-02-26T14:40:20Z) - Digital Twin Supervised Reinforcement Learning Framework for Autonomous Underwater Navigation [0.0]
本稿では,科学実験に広く利用されているオープンプラットフォームであるBlueROV2の事例を通して,課題を考察する。
本稿では,PPOアルゴリズムに基づく深層強化学習手法を提案する。
以上の結果から, PPO政策は高度に乱雑な環境でのDWAを一貫して上回っていることが示唆された。
論文 参考訳（メタデータ） (2025-12-11T18:52:42Z) - ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。
我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:52:13Z) - Spatial Policy: Guiding Visuomotor Robotic Manipulation with Spatial-Aware Modeling and Reasoning [43.35947581429867]
視覚中心の階層型エンボディードモデルは、長距離ロボット制御に強い可能性を示している。
既存の方法は空間認識能力に欠けており、複雑な環境下での行動可能な制御に視覚計画をブリッジする際の有効性を制限している。
本研究では,空間モデルと推論を用いた空間認識型ロボット操作フレームワークである空間ポリシー(SP)を提案する。
論文 参考訳（メタデータ） (2025-08-21T10:24:18Z) - Spacecraft Autonomous Decision-Planning for Collision Avoidance: a
Reinforcement Learning Approach [0.0]
本研究は、強化学習技術に基づく宇宙船における自律的なCA意思決定機能の実装を提案する。
提案フレームワークは,軌道上の破片の状態を不完全な監視し,正確な衝突回避策(CAM)を実行するためのポリシーをAIシステムが効果的に学習できるようにする。
目的は、CAMを自律的に実施するための意思決定プロセスを、人間の介入なしに宇宙船に委譲することである。
論文 参考訳（メタデータ） (2023-10-29T10:15:33Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft
Feature Detection [0.0]
衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。
新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。
SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
論文 参考訳（メタデータ） (2023-02-02T02:11:39Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳（メタデータ） (2021-12-10T11:49:51Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z)
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。