論文の概要: Real-Time Retargeting Using Controllability Boundary for Chandrayaan-3 Lunar Landing
- arxiv url: http://arxiv.org/abs/2605.29412v1
- Date: Thu, 28 May 2026 06:02:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.838528
- Title: Real-Time Retargeting Using Controllability Boundary for Chandrayaan-3 Lunar Landing
- Title（参考訳）: シャンドラヤーン3月面着陸のための制御性境界を用いたリアルタイムリターゲティング
- Authors: Suraj Kumar, Debjyoti Chakrabarti, Aditya Rallapalli, Bharat Kumar GVP, Ashok Kumar Kakula,
- Abstract要約: 本稿では,チャンドラヤーン3号月面着陸ミッションのために開発されたリアルタイム誘導政策について述べる。
これは、運用中の月面着陸ミッションにおけるデータ駆動型フレームワークの最初の応用である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the real-time retargeting guidance policy developed for the Chandrayaan-3 lunar landing mission. The baseline guidance generates approximate fuel-optimal descent trajectories, while a high-level policy enables safe retargeting to alternate sites when the nominal site becomes infeasible. The retargeting strategy leverages a convex representation of the controllability boundary, allowing rapid feasibility checks and real-time target updates. To the best of the authors knowledge, this represents the first application of a data-driven retargeting framework in an operational lunar landing mission. Pre-flight simulations and Chandrayaan-3 flight results validate the effectiveness of the proposed approach.
- Abstract（参考訳）: 本稿では,チャンドラヤーン3号月面着陸ミッションのために開発されたリアルタイム再目標誘導政策について述べる。
ベースラインガイダンスは、燃料最適降下軌道を近似的に生成し、高レベルポリシーは、命名された場所が実現不可能になった場合に、代替場所への安全な再ターゲティングを可能にする。
再ターゲティング戦略は、制御可能性境界の凸表現を利用して、迅速な実行可能性チェックとリアルタイムターゲット更新を可能にする。
著者の知る限りでは、これは運用中の月面着陸ミッションにおけるデータ駆動型再ターゲットフレームワークの最初の応用である。
飛行前シミュレーションとチャンドラヤーン3号の飛行結果は,提案手法の有効性を検証した。
関連論文リスト
- DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。
既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。
本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
論文 参考訳（メタデータ） (2025-08-13T02:51:43Z) - Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。
提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。
実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
論文 参考訳（メタデータ） (2025-07-29T03:32:01Z) - RSRNav: Reasoning Spatial Relationship for Image-Goal Navigation [57.197881161006904]
近年のイメージゴールナビゲーション(ImageNav)手法は,目標と自我中心の画像の意味的特徴を別々に捉え,知覚行動ポリシーを学習している。
本稿では,目標と現在の観測値の空間的関係をナビゲーションガイダンスとして考慮する,シンプルで効果的な手法であるRSRNavを提案する。
論文 参考訳（メタデータ） (2025-04-25T00:22:17Z) - Rocket Landing Control with Random Annealing Jump Start Reinforcement Learning [19.87058922821708]
本稿では,RLを用いた高忠実度ロケットモデルにおいて,ベースライン制御による8%から97%までのロケット着陸制御の成功率を著しく向上させる。
我々のアプローチはRandom Annealing Jump Start (RAJS)と呼ばれ、RLにおける環境探索と政策学習を促進するためのガイドポリシーとして、事前のフィードバックコントローラを活用することで、現実の目標志向の問題に合わせたものである。
論文 参考訳（メタデータ） (2024-07-21T07:47:53Z) - Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。
我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。
挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
論文 参考訳（メタデータ） (2024-07-08T12:52:46Z) - Deep Reinforcement Learning for Safe Landing Site Selection with
Concurrent Consideration of Divert Maneuvers [0.0]
本研究は、安全な着陸場所を特定し、機内転位操作を計画するための新しい統合フレームワークを提案する。
提案されたフレームワークは、高度に挑戦する着陸地点で94.8ドルの着陸に成功した。
論文 参考訳（メタデータ） (2021-02-24T17:53:10Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z)
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。