論文の概要: Physicochemical-Neural Fusion for Semi-Closed-Circuit Respiratory Autonomy in Extreme Environments

• arxiv url: http://arxiv.org/abs/2603.26697v1
• Date: Mon, 16 Mar 2026 20:29:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.086445
• Title: Physicochemical-Neural Fusion for Semi-Closed-Circuit Respiratory Autonomy in Extreme Environments
• Title（参考訳）: 超環境下での半クローズド回路呼吸自律症の物理化学的・ニューラル核融合
• Abstract要約: ギャラクティックバイオウェアの生命維持システム(Galactic Bioware's Life Support System)は、正圧消火スーツに統合するために設計された呼吸装置である。 一方向排気弁は、ガス在庫を徐々に減少させる半閉鎖系を作成しながら、正圧を維持している。 第1部では、物理化学の基礎を、一つ目の原理から発展させ、これには、一貫した熱化学が含まれる。 パートIIでは、外部環境センサー、内部スーツ雰囲気センサーという3つのセンサー層を融合するAI制御アーキテクチャが導入されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper introduces Galactic Bioware's Life Support System, a semi-closed-circuit breathing apparatus designed for integration into a positive-pressure firefighting suit and governed by an AI control system. The breathing loop incorporates a soda lime CO2 scrubber, a silica gel dehumidifier, and pure O2 replenishment with finite consumables. One-way exhaust valves maintain positive pressure while creating a semi-closed system in which outward venting gradually depletes the gas inventory. Part I develops the physicochemical foundations from first principles, including state-consistent thermochemistry, stoichiometric capacity limits, adsorption isotherms, and oxygen-management constraints arising from both fire safety and toxicity. Part II introduces an AI control architecture that fuses three sensor tiers, external environmental sensing, internal suit atmosphere sensing (with triple-redundant O2 cells and median voting), and firefighter biometrics. The controller combines receding-horizon model-predictive control (MPC) with a learned metabolic model and a reinforcement learning (RL) policy advisor, with all candidate actuator commands passing through a final control-barrier-function safety filter before reaching the hardware. This architecture is intended to optimize performance under unknown mission duration and exertion profiles. In this paper we introduce an 18-state, 3-control nonlinear state-space formulation using only sensors viable in structural firefighting, with triple-redundant O2 sensing and median voting. Finally, we introduce an MPC framework with a dynamic resource scarcity multiplier, an RL policy advisor for warm-starting, and a final control-barrier-function safety filter through which all actuator commands must pass, demonstrating 18-34% endurance improvement in simulation over PID baselines while maintaining tighter physiological and fire-safety margins.
• Abstract（参考訳）: 本稿では,正圧消火スーツに統合し,AI制御システムによって管理される半閉鎖循環呼吸装置であるGalactic Bioware's Life Support Systemを紹介する。 呼吸ループは、ソーダライムCO2洗浄剤、シリカゲル除湿剤、および、有限消費性を有する純粋なO2補充剤を含む。 一方向排気弁は、ガス在庫を徐々に減少させる半閉鎖系を作成しながら、正圧を維持している。 第1部では, 火の安全と毒性の両方から生じる酸素管理の制約, 静熱化学, 化学量制限, 吸着等温線, 酸素管理の制約など, 第一原理から物理化学の基礎を開拓している。 パートIIでは,3つのセンサー層を融合するAIコントロールアーキテクチャ,外部環境センサ,内部スーツ雰囲気センサ(3つの冗長なO2細胞と中央値投票を含む),および消防士のバイオメトリックスを導入している。 コントローラは、遅延水平モデル予測制御(MPC)と学習されたメタボリックモデルと強化学習(RL)ポリシーアドバイザを組み合わせることで、ハードウェアに到達する前に、最終的な制御バリア機能安全フィルタを通過する全てのアクチュエーターコマンドを接続する。 このアーキテクチャは、未知のミッション期間と実行プロファイルでのパフォーマンスの最適化を目的としている。 本稿では, 構造ファイアファイアファイティングに有効なセンサのみを用いた18状態3制御非線形状態空間定式化について紹介する。 最後に、動的資源不足量乗算器、暖房開始のためのRLポリシーアドバイザ、全てのアクチュエータコマンドが通過しなければならない最終制御バリア機能安全フィルタを備えたMPCフレームワークを導入し、より厳密な生理的および火災安全マージンを維持しつつ、PIDベースラインに対するシミュレーションにおいて18～34%の持続性向上を実証した。

関連論文リスト

• DREAM Technical Report [53.37525197047151]
  DREAMは、既存のパイプラインの上に認識認識、オーケストレーション、監査可能なポリシ層を追加し、それを置き換えることなく、自律的な最適化制御アーキテクチャである。 DREAMには2つのコアコンポーネントがある。まず、3層Intent Engineはデバイス上の信号を構造化されたL0/L1/L2インテント表現に融合する。エッジクラウドトリガーチェーンはレポートのボリュームを約8.7%に削減する。 第2に、Meta EngineはMetaModelを使って、層状M1-to-M2-to-M3推論(インテントの要約、ストラテジーメモリに通知されるストラテジープランニング、パラメータ変換など)を定式化したM1-to-M2-to-M3推論に使用します。
  論文  参考訳（メタデータ） (2026-08-10T10:35:32Z)
• Memory-Efficient Meta-Reinforcement Learning for Adaptive Safety-Critical Control in Adversarial Spacecraft Proximity Operations [42.47287159687486]
  本稿では,3つの繰り返しネットワークアーキテクチャ (LSTM, Gated Recurrent Unit (GRU), Selective State Space Model (Mamba)) と2つのトレーニングアルゴリズム (Proximal Policy Optimization (PPO) とSoft Actor Critic (SAC)) の性能を調べた。 以上の結果から, PPOを用いた場合のMambaのような状態空間モデルは, 他のアーキテクチャと比較して, タスク完了, 安全性, 省エネ性が優れていることが示唆された。
  論文  参考訳（メタデータ） (2026-06-16T01:53:54Z)
• A Unified Python Framework for Direct PPO-based Control of AHUs with Economizer Logic and CO2-Constrained Ventilation [0.0]
  本稿では,Deep Reinforcement Learning (DRL)アルゴリズムを用いたHVACシステムの最適化手法を提案する。 DRLシステムは、2次キャパシタの熱モデルとCO2の動的質量バランスを統合して、建物に関連する複雑な物理を再現する。 エンタルピーベースのエコノマイザは、屋外環境から自由に冷却するために使用される。
  論文  参考訳（メタデータ） (2026-05-23T05:31:09Z)
• From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
  Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-02-20T18:58:43Z)
• Fuzzy expert system for the process of collecting and purifying acidic water: a digital twin approach [0.0]
  汚水の浄化は, 排ガス削減, 腐食リスクの最小化, 産業用・家庭用用途における処理水の再利用に不可欠である。 本稿では、ファジィエキスパートシステムと、文書化された産業プロセスから開発されたカスタム生成デジタルツインを組み合わせることを提案する。 ここでは酸水処理が実証されているが,提案したファジィエキスパートシステムは汎用的である。
  論文  参考訳（メタデータ） (2026-01-27T12:08:11Z)
• Adaptive Reinforcement and Model Predictive Control Switching for Safe Human-Robot Cooperative Navigation [10.614812216110673]
  本稿では,近接制御と安全制約の同時実施による移動ロボットの人間誘導ナビゲーションの課題について論じる。 本稿では,ハイブリッド学習制御フレームワークであるAdaptive Reinforcement and Model Predictive Control Switching (ARMS)を紹介する。 乱雑な環境でARMSが82.5パーセントの成功率を達成することを示す。
  論文  参考訳（メタデータ） (2026-01-23T12:02:18Z)
• Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
  強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。 現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。 AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
  論文  参考訳（メタデータ） (2026-01-21T14:13:44Z)
• Shielded Controller Units for RL with Operational Constraints Applied to Remote Microgrids [50.64533198075622]
  強化学習(Reinforcement Learning, RL)は、不確実性の下で複雑なシステムにおける意思決定を最適化するための強力なフレームワークである。 本稿では,システムダイナミクスの事前知識を活用する体系的かつ解釈可能なアプローチであるシールド制御ユニット(SCU)を紹介する。 本研究では,厳密な運用要件を持つ遠隔マイクログリッド最適化タスクにおけるSCUの有効性を示す。
  論文  参考訳（メタデータ） (2025-11-30T19:28:34Z)
• Mind Your Entropy: From Maximum Entropy to Trajectory Entropy-Constrained RL [56.085103402298905]
  本稿では,この2つの課題に対処する軌道エントロピー制約強化学習(TECRL)フレームワークを提案する。 このフレームワーク内では、まず報酬とエントロピーに関連する2つのQ-関数を個別に学習し、温度更新の影響を受けないクリーンで安定した値ターゲットを確保する。 我々は,3つの改良を加えて,最先端の分散型ソフトアクター批判を拡張して,現実的な非政治的アルゴリズムDSAC-Eを開発した。
  論文  参考訳（メタデータ） (2025-10-25T09:17:47Z)
• STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks [58.13757830013997]
  無人航空機(UAV)に基づく無線ネットワークは、都市コミュニケーションに高いモビリティ、柔軟性、カバーを提供する。 閉塞により、密集した環境では信号の減衰が激しい。 この重要な問題に対処するために、UAVの協調ビームの導入と全方向逆方向ビームフォーミングについて検討する。
  論文  参考訳（メタデータ） (2025-10-25T01:28:37Z)
• Deep Learning-Enhanced for Amine Emission Monitoring and Performance Analysis in Industrial Carbon Capture Plants [0.6533091401094101]
  本研究では, 燃焼後炭素捕獲システムにおいて, アミン排出量の予測とモニタリングのためのデータ駆動深層学習モデルと, 主要な性能パラメータについて述べる。 放射予測のために、2-アミノ-2-メチル-1-プロパノール(AMP)とピペラジンの放射をFTIRおよびIMR-MS法で測定するモデルが設計された。 これらのモデルは99%を超える高い予測精度を達成し、安定した傾向と急激な変動の両方を効果的に追跡した。
  論文  参考訳（メタデータ） (2025-09-05T16:57:54Z)
• A Digital Twin Framework for Generation-IV Reactors with Reinforcement Learning-Enabled Health-Aware Supervisory Control [2.499907423888049]
  デジタルツインは、デジタルツールで現実世界のシステムを橋渡しし、コストを削減し、意思決定を強化し、運用効率を高める。 この研究では、Gen-IV Fluoride-salt-cooled High-Temperature Reactorを操作するために、デジタルツインフレームワークが設計されている。
  論文  参考訳（メタデータ） (2025-06-09T02:23:34Z)
• Multistep Criticality Search and Power Shaping in Microreactors with Reinforcement Learning [0.3562485774739681]
  核マイクロリアクターにおける知的制御のための強化学習(RL)アルゴリズムを導入する。 近位政策最適化(PPO)とアクター・クリティカル(A2C)を用いたRLエージェントの訓練 その結果, 最適ドラム位置同定におけるPPOの優れた性能が示された。
  論文  参考訳（メタデータ） (2024-06-22T20:14:56Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)

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。