論文の概要: Emergence of a Flow-Assisted Casting Strategy for Olfactory Navigation via Memory-Augmented Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2605.18881v1
- Date: Sat, 16 May 2026 03:32:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:08.769852
- Title: Emergence of a Flow-Assisted Casting Strategy for Olfactory Navigation via Memory-Augmented Reinforcement Learning
- Title（参考訳）: 記憶強化学習による嗅覚ナビゲーションのためのフローアシストキャスティング戦略の創出
- Authors: Changxu Zhao, Dongxiao Zhao, Xin Bian, Gaojin Li,
- Abstract要約: メモリ長やフロー条件の異なる非定常流れにおける強化学習(RL)エージェントのナビゲーション性能について検討する。
臭源への平均速度は、メモリ長に非単調な依存を示すが、これは「セクター探索」モデルで説明できる。
- 参考スコア（独自算出の注目度）: 0.1749935196721634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In dynamic flow fields, various animals exhibit remarkable odor search capabilities despite relying on stochastic detections. Interestingly, there exists an optimal time window for integrating these detections that maximizes search efficiency. To understand the underlying mechanism, we investigate the navigation performance of Reinforcement Learning (RL) agents in unsteady flows under varying memory lengths and flow conditions. Without any predefined models, the agents develop a flow-assisted casting strategy and adaptively adjust both the geometry of their search trajectories and the concentration threshold for initiating casting to maximize the success rate. The agent's average speed toward the odor source exhibits a non-monotonic dependence on memory length, which can be explained by the "sector-search" model.
- Abstract（参考訳）: 動的流れ場では、様々な動物は確率的検出に依存するにもかかわらず、顕著な匂いの探索能力を示す。
興味深いことに、これらの検出を統合するための最適な時間窓があり、探索効率を最大化する。
基礎となるメカニズムを理解するため, メモリ長やフロー条件の異なる非定常流れにおける強化学習(RL)エージェントのナビゲーション性能について検討する。
事前に定義されたモデルがなければ、エージェントはフローアシスト型鋳造戦略を開発し、探索軌跡の幾何と鋳造開始の濃度閾値の両方を適応的に調整して成功率を最大化する。
エージェントの匂い源に対する平均速度は、メモリ長に非単調な依存を示しており、「セクター探索」モデルで説明できる。
関連論文リスト
- Clock-state olfactory search in turbulent flows using Q-learning: The geometry of plume recovery [0.6393971049475565]
過去の観測を最小限に抑えた嗅覚検索エージェントの学習にQラーニングを用いる。
この薬剤は、昆虫に見られるよく知られた行動を組み合わせた、羽根を回復するための解釈可能な戦略を学習する。
論文 参考訳（メタデータ） (2026-05-15T13:19:26Z) - Olfactory pursuit: catching a moving odor source in complex flows [0.5541644538483947]
臭気信号は断続的であり、乱流のような輸送によって強く混合される。
我々は,目標の位置と速度に関する共同信念をエージェントが維持する,部分的に観察可能なマルコフ決定過程として嗅覚追跡を定式化する。
本研究は, 目標運動の予測推定を, 効果的な嗅覚追跡の鍵となる要素として同定した。
論文 参考訳（メタデータ） (2026-04-13T15:52:24Z) - Predictive Modeling in AUV Navigation: A Perspective from Kalman Filtering [2.646393510325155]
本稿では,自律型水中車両(AUVs)の枠組みについて述べる。これは,局部化精度の向上,軌道予測の向上,通信損失時の効率的な探索操作を支援する。
筆者らのフレームワークは,Kalmanフィルタと不確実性伝搬を用いてマルチブイ音響データを融合し,ナビゲーションの精度を維持し,通信損失時の堅牢な探索領域定義を導出する。
論文 参考訳（メタデータ） (2026-03-28T21:47:22Z) - DLLM Agent: See Farther, Run Faster [94.74432470237817]
拡散大言語モデル(DLLM)は、自己回帰(AR)デコーディングの代替として、魅力的な効率とモデリング特性を持つ。
我々は、DLLMとARのバックボーンを同一のエージェントワークフロー内でインスタンス化することで、制御された環境でこれを研究する。
DLLMエージェントはARエージェントよりも平均30%以上速く、場合によっては8倍のスピードアップを達成している。
論文 参考訳（メタデータ） (2026-02-07T09:01:18Z) - Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。
私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。
FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
論文 参考訳（メタデータ） (2025-06-03T05:27:56Z) - AutoTurb: Using Large Language Models for Automatic Algebraic Model Discovery of Turbulence Closure [15.905369652489505]
本研究では,LLMを用いてレイノルズ応力モデルを修正するための表現を自動的に検出する新しいフレームワークを提案する。
提案手法は,Re = 10,595 で周期的な丘を横断する流れを分離するためのものである。
The corrective RANS can improve the prediction for the Reynolds stress and mean velocity field。
論文 参考訳（メタデータ） (2024-10-14T16:06:35Z) - Learning Off-policy with Model-based Intrinsic Motivation For Active Online Exploration [15.463313629574111]
本稿では,連続制御タスクにおけるサンプル効率の高い探索手法について検討する。
本稿では,予測モデルと非政治学習要素を組み込んだRLアルゴリズムを提案する。
パラメーターのオーバーヘッドを発生させずに本質的な報酬を導き出す。
論文 参考訳（メタデータ） (2024-03-31T11:39:11Z) - Diffusion Generative Flow Samplers: Improving learning signals through
partial trajectory optimization [87.21285093582446]
Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。
生成フローネットワーク(GFlowNets)のための理論から着想を得た。
論文 参考訳（メタデータ） (2023-10-04T09:39:05Z)
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。