論文の概要: HADT: A Heterogeneous Multi-Agent Differential Transformer for Autonomous Earth Observation Satellite Cluster
- arxiv url: http://arxiv.org/abs/2605.31023v1
- Date: Fri, 29 May 2026 08:54:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.488199
- Title: HADT: A Heterogeneous Multi-Agent Differential Transformer for Autonomous Earth Observation Satellite Cluster
- Title（参考訳）: HADT:地球観測衛星クラスターのための異種多元差動変圧器
- Abstract要約: 自律的な運用モードでは、衛星はリアルタイムな意思決定を可能にするインテリジェントな能力を備えている。
従来のスケジューリング手法は、衛星のミッションと資源管理を表す数学的モデルに依存している。
異種衛星クラスター自律型EOミッションに適したトランスフォーマーアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 11.62333064482315
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This work addresses the problem of autonomous resource management in heterogeneous satellite cluster conducting Earth Observation (EO) missions including optical and Synthetic Aperture Radar (SAR) satellites. In autonomous operation mode, satellites are equipped with intelligent capabilities enabling real-time decision-making based on the latest conditions, while requiring minimal interaction with ground operators. Traditional scheduling approaches typically rely on mathematical models to represent satellite mission and resource management. Then, this problem is solved by using optimization algorithms. However, such solutions become less effective when the underlying models are not available, over complex, and inaccurate due to dynamic changes and uncertainties inherent in the space mission environment. A promising alternative is to reformulate the problem as a sequential decision-making process and apply model-free reinforcement learning techniques to enable adaptive and real-time resource management. To this end, we propose a novel transformer-based architecture tailored for heterogeneous satellite cluster autonomous EO Mission with relational observations-actions tokenization and differential attention mechanism. Our experimental results demonstrate significant performance improvements compared to the available baselines. Moreover, the proposed architecture exhibits strong adaptability and transferability with respect to varying numbers of satellite clusters.
- Abstract（参考訳）: この研究は、地球観測(EO)ミッションを行う異種衛星群において、光学および合成開口レーダ(SAR)衛星を含む自律的な資源管理の問題に対処する。
自律的な運用モードでは、衛星は、地上オペレーターとの最小限の相互作用を必要としながら、最新の状況に基づいてリアルタイムな意思決定を可能にするインテリジェントな能力を備えている。
従来のスケジューリング手法は、一般的に衛星のミッションと資源管理を表す数学的モデルに依存している。
そして、最適化アルゴリズムを用いてこの問題を解決する。
しかし、そのような解は、基礎となるモデルが利用できない場合、複雑な場合、そして宇宙ミッション環境に固有の動的変化や不確実性のために不正確な場合、より効果的になる。
有望な代替手段は、問題をシーケンシャルな意思決定プロセスとして再構築し、適応的かつリアルタイムなリソース管理を実現するためにモデルフリーの強化学習技術を適用することである。
そこで本研究では,異種衛星クラスタ自律EOミッションに適したトランスフォーマーアーキテクチャを提案する。
実験の結果, 利用可能なベースラインと比較して, 大幅な性能向上が見られた。
さらに,提案アーキテクチャは,衛星クラスタ数の変動に対して,高い適応性と伝達性を示す。
関連論文リスト
- Reinforcement Learning-Guided Evolutionary Policy Optimization for Preference-Adjustable Heterogeneous Agile Earth Observation Satellite Scheduling [50.176885352114674]
異質なアジャイル地球観測衛星(AEOS)のスケジューリングには、タスクの選択、衛星の割り当て、および観測シークエンシングが必要である。
本稿では、優先調整可能な重み付け目的を用いた異種AEOSスケジューリングのための進化的ポリシー最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-25T12:16:28Z) - Multi-Agent Reinforcement Learning for Heterogeneous Satellite Cluster Resources Optimization [19.16014340215772]
2つの光学衛星と1つのSAR衛星が低軌道で協力して地上の目標を捕捉し、その限られた資源を効率的に管理する。
従来の最適化手法は、地球観測(EO)のリアルタイム、不確実、分散的な性質を扱うのに苦労している。
本研究では,単一サテライトから多サテライトシナリオへの最適化問題を体系的に定式化する。
Basilisk と BSK-RL フレームワーク上に構築された準現実的なシミュレーション環境を用いて,最先端の MARL アルゴリズムの性能と安定性を評価する。
論文 参考訳（メタデータ） (2025-11-16T21:47:04Z) - 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) - Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。
しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。
我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
論文 参考訳（メタデータ） (2025-09-16T06:16:56Z) - On the Role of AI in Managing Satellite Constellations: Insights from the ConstellAI Project [1.706656684496508]
本稿では,衛星メガ星の運用を最適化する上で,人工知能(AI)が果たす役割について考察する。
これは欧州宇宙機関(ESA)が出資したConstellAIプロジェクトに由来する。
GMV GmbH, Saarland University, Thales Alenia Spaceで構成されるコンソーシアムは、AI駆動アルゴリズムの開発に協力している。
論文 参考訳（メタデータ） (2025-07-21T12:56:16Z) - Multi-Agent Reinforcement Learning for Autonomous Multi-Satellite Earth Observation: A Realistic Case Study [10.393102715510937]
低軌道(LEO)衛星の指数的な成長は、地球観測(EO)ミッションに革命をもたらした。
従来の最適化アプローチは、動的EOミッションのリアルタイムな意思決定要求を処理するのに苦労する。
RLをベースとした自律型EOミッション計画について,単一衛星操作をモデル化し,マルチ衛星コンステレーションに拡張することで検討する。
論文 参考訳（メタデータ） (2025-06-18T07:42:11Z) - Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。
安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。
動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。
次に,トランスサック (TransSAC) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-26T10:13:51Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission [74.10928850232717]
本稿では、モデル定式化のための生成人工知能(AI)エージェントを開発し、送信戦略の設計に専門家(MoE)の混合を適用した。
具体的には,大規模言語モデル(LLM)を活用して対話型モデリングパラダイムを構築する。
定式化問題の解法として, MoE-proximal Policy Optimization (PPO) アプローチを提案する。
論文 参考訳（メタデータ） (2024-04-14T03:44:54Z)
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。