論文の概要: Tightly-Coupled Estimation and Guidance for Robust Low-Thrust Rendezvous via Adaptive Homotopy

• arxiv url: http://arxiv.org/abs/2605.04481v1
• Date: Wed, 06 May 2026 04:17:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.641191
• Title: Tightly-Coupled Estimation and Guidance for Robust Low-Thrust Rendezvous via Adaptive Homotopy
• Title（参考訳）: Adaptive Homotopy を用いたロバスト低推力レンデブーの厳密結合評価と誘導
• Authors: Batu Candan, Simone Servadio,
• Abstract要約: 本稿では,厳密な結合型推定とガイダンスアーキテクチャを提案する。 ナビゲーション信頼度は、後退水平間接最適制御ソルバのホモトピーパラメータを直接変調する。 正規化された革新とMTFのアクティビティからの合成スコアは、ホモトピーパラメータにオンラインでマッピングされ、コントローラがリラックスできる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Minimum-fuel low-thrust rendezvous guidance yields bang-bang control structures highly sensitive to estimation errors, sensor anomalies, and solver regularization, making aggressive closed-loop execution brittle for uncooperative proximity operations. This paper proposes a tightly-coupled estimation and guidance architecture where navigation confidence directly modulates the homotopy parameter of a receding-horizon indirect optimal control solver. Relative motion is modeled in the Clohessy-Wiltshire frame. The translational state is estimated via a linear Kalman filter augmented by a Multiple Tuning Factors (MTF) covariance inflation mechanism that suppresses suspicious innovation directions. A composite score from the normalized innovation and MTF activity is mapped online to the homotopy parameter, allowing the controller to relax toward a smoother, conservative regime when confidence degrades, and recover fuel-efficient bang-bang control as sensing improves. Numerical results under severe measurement degradation show fixed bang-bang guidance remains brittle; both plain-KF and MTF-KF fixed-epsilon controllers yield large terminal miss distances. Conversely, the proposed MTF-adaptive homotopy controller reduces terminal miss by roughly two orders of magnitude, from hundreds of meters to sub-meter levels, requiring only a moderate increase in control effort versus the open-loop fuel-optimal benchmark. A comparison indicates adaptive homotopy is the dominant robustness mechanism, while MTF provides additional accuracy and efficiency improvements. The receding-horizon implementation exhibits consistently fast and reliable solution times, supporting the practical online viability of the proposed method.
• Abstract（参考訳）: 最小燃料の低推力ランデブー誘導は、推定誤差、センサ異常、ソルバ正規化に非常に敏感なバンバン制御構造をもたらし、非協調的近接操作に対して積極的なクローズループ実行脆化を実現する。 本稿では、航法信頼度が後退水平間接最適制御解器のホモトピーパラメータを直接変調する密結合型推定と誘導アーキテクチャを提案する。 相対運動はClhessy-Wiltshireフレームでモデル化されている。 変換状態は、不審なイノベーションの方向を抑制する多重チューニング係数(MTF)共分散インフレーション機構によって強化された線形カルマンフィルタによって推定される。 正規化された革新とMTF活動からの合成スコアは、ホモトピーパラメータにオンラインでマッピングされ、信頼が低下すると、コントローラはよりスムーズで保守的な体制に向かってリラックスし、検知が向上するにつれて、燃費効率の良いバンバンコントロールを回復する。 その結果, 固定バンバン誘導は不安定であり, 平板KFとMTF-KFの両固定エポジロン制御器は大きな終端距離を有することがわかった。 逆に、提案したMTF適応ホモトピー制御器は、数百メートルからサブメートルレベルまでの終端ミスを約2桁減らし、オープンループ燃料最適化ベンチマークに対する制御の適度な増加しか必要としない。 比較すると、適応ホモトピーが支配的なロバスト性メカニズムであることを示し、MTFはさらなる精度と効率の改善を提供する。 リテーディング・ホライゾンの実装は、一貫して高速で信頼性の高い解時間を示し、提案手法の実用的オンライン実現性をサポートする。

関連論文リスト

• Equivariant Filter for Radar-Inertial Odometry [45.85581416235741]
  拡張カルマンフィルタ(EKF)に基づくレーダ慣性オドメトリー(RIO)は、レーダと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存している。 このレターは、ナビゲーション状態とIMUバイアスを幾何学的に結合するリー群対称性に基づいて、RIOの同変フィルタ(EqF)を提案する。
  論文  参考訳（メタデータ） (2026-04-24T21:47:06Z)
• Universally Empowering Zeroth-Order Optimization via Adaptive Layer-wise Sampling [43.822941944402544]
  ゼロ階最適化は、微調整された大規模言語モデルのための有望なメモリ効率のパラダイムを提供する。 しかし,壁面収差の緩やかな収束と高い推定分散により,その実用化は厳しく制約されている。 本稿では,適応層型ZO最適化フレームワークであるAdaLeZOを提案する。
  論文  参考訳（メタデータ） (2026-04-20T13:37:31Z)
• AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
  視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。 本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。 LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
  論文  参考訳（メタデータ） (2026-04-20T04:25:24Z)
• Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
  本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。 スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。 退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
  論文  参考訳（メタデータ） (2026-03-13T11:09:50Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Constrained Reinforcement Learning using Distributional Representation for Trustworthy Quadrotor UAV Tracking Control [2.325021848829375]
  本研究では, 未知の空力効果に対する分散強化学習障害推定器を統合した新しいトラジェクトリトラッカーを提案する。 提案手法は, 空気力学効果の真値と推定値の不確かさを正確に同定する。 本システムは,最近の技術と比較して,累積追尾誤差を少なくとも70%改善することを示した。
  論文  参考訳（メタデータ） (2023-02-22T23:15:56Z)
• Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems [0.8411385346896411]
  本研究では,動的・複雑環境下での自律的四角形ナビゲーションのためのトラジェクトリトラッカーを提案する。 提案フレームワークは,未知の空力効果に対する分散強化学習推定器をモデル予測制御器に統合する。 我々は,未知かつ多様な空気力を用いて,累積追従誤差を少なくとも66%改善するシステムを実証した。
  論文  参考訳（メタデータ） (2022-05-14T23:27:38Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。