論文の概要: Semantic Constraint Synthesis for Adaptive Trajectory Optimization via Large Language Models

• arxiv url: http://arxiv.org/abs/2606.04123v1
• Date: Tue, 02 Jun 2026 18:33:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.324964
• Title: Semantic Constraint Synthesis for Adaptive Trajectory Optimization via Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた適応軌道最適化のための意味制約合成
• Authors: Eleanor Brosius, Yuji Takubo, Daniele Gammelli, Simone D'Amico, Marco Pavone,
• Abstract要約: 軌道最適化は、宇宙探査において安全かつ信頼性の高い自律的な操作を可能にする重要な要素である。 本稿では,大規模言語モデル(LLM)を利用して,ミッション要求の自然言語記述を翻訳するフレームワークを提案する。 宇宙船ランデブーのシナリオにおける実験は、セマンティックミッションの要求から凸軌道最適化問題をリコンディションする上で高い成功率を示す。
• 参考スコア（独自算出の注目度）: 21.33747651588263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trajectory optimization is a critical component for enabling safe and reliable autonomous operations in space exploration. As space missions increase in frequency, complexity, and scope, there is a growing need to rapidly formulate mathematically sound trajectory optimization problems that accurately reflect mission objectives and operational constraints. However, translating mission intent into tractable analytical formulations for trajectory optimization requires substantial domain expertise. This paper presents a framework that leverages large language models (LLMs) to translate natural language descriptions of mission requirements and constraints into executable trajectory optimization code and corresponding mathematical formulations. Experiments in spacecraft rendezvous scenarios demonstrate a high success rate in reconditioning a convex trajectory optimization problem from semantic mission requirements. Ultimately, this work highlights the potential of LLMs to bridge high-level intent and formal optimization models, enabling more flexible and efficient trajectory design of spacecraft.
• Abstract（参考訳）: 軌道最適化は、宇宙探査において安全かつ信頼性の高い自律的な操作を可能にする重要な要素である。 宇宙ミッションの頻度、複雑さ、範囲が増加するにつれて、ミッション目標と運用上の制約を正確に反映した数学的に健全な軌道最適化問題を迅速に定式化する必要性が高まっている。 しかし、軌道最適化のための抽出可能な解析式へのミッション意図の翻訳には、かなりの専門知識が必要である。 本稿では,大規模言語モデル(LLM)を活用して,ミッション要件と制約の自然言語記述を実行可能な軌道最適化コードとそれに対応する数学的定式化に翻訳するフレームワークを提案する。 宇宙船ランデブーのシナリオにおける実験は、セマンティックミッションの要求から凸軌道最適化問題をリコンディションする上で高い成功率を示す。 最終的にこの研究は、LLMが高レベルのインテントとフォーマルな最適化モデルを橋渡しし、より柔軟で効率的な宇宙船軌道設計を可能にする可能性を強調している。

関連論文リスト

• Learning-Accelerated Optimization-based Trajectory Planning for Cooperative Aerial-Ground Handover Missions [1.3299507495084417]
  本稿では,無人航空機(UAV)と無人地上航空機(UGV)のハンドオーバミッションのための学習用軌道計画フレームワークを提案する。 本稿では,デカップリング型エンコーダ・デコーダ長短期メモリ(LSTM)ネットワークを用いたニューラルサロゲートプランナを提案する。 ベンチマーク評価は、学習強化計画フレームワークが3倍以上のスピードアップと100%の最適化成功率を達成することを示した。
  論文  参考訳（メタデータ） (2026-05-19T09:07:59Z)
• Language Generation as Optimal Control: Closed-Loop Diffusion in Latent Control Space [99.30250506439678]
  本研究は,言語生成を最適制御問題として再検討する。 自己回帰モデルと拡散モデルを分析するための統一された理論的な視点を提供する。
  論文  参考訳（メタデータ） (2026-05-14T08:13:43Z)
• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• Fast Near Time-Optimal Motion Planning for Holonomic Vehicles in Structured Environments [8.195916347194315]
  磁気浮上を用いた平面運動系における運動計画の課題を解決することを目的としている。 提案手法は, 自由空間廊下を用いた環境表現を符号化し, 移動プリミティブを用いて車両の走行を表現している。 この手法は最先端のXPlanarシステムよりもはるかに低い時間で実現され、実世界のBeckhoff XPlanarシステム上で検証される。
  論文  参考訳（メタデータ） (2026-02-02T21:26:30Z)
• PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models [51.43746425777865]
  大規模言語モデル(LLM)は、しばしばグローバル戦略を定式化する能力に欠けており、長い水平タスクにおけるエラーの伝播につながる。 PILOTは,大規模モデルの戦略的監視を本質的な潜伏誘導に内部化するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T12:38:56Z)
• Agile Tradespace Exploration for Space Rendezvous Mission Design via Transformers [22.891825351056823]
  宇宙船のランデブーは軌道上でのサービスとデブリの除去を可能にし、スケーラブルな宇宙経済の基礎を形成している。 本稿では,幅広い飛行時間のミッションを設計するための枠組みを提案する。 このフレームワークは、より少ないイテレーションでソリューションに一般化する高品質な初期推定を提供する。
  論文  参考訳（メタデータ） (2025-10-03T22:28:46Z)
• Towards Robust Spacecraft Trajectory Optimization via Transformers [17.073280827888226]
  我々は,非最適制御問題をリアルタイムに解くための自律生成モデルを開発した。 我々はARTの能力を拡張し、確率制約のある最適制御問題に対処する。 この作業は、宇宙船のような安全クリティカルな自律システムにAI駆動のソリューションを確実に展開するための最初のステップである。
  論文  参考訳（メタデータ） (2024-10-08T00:58:42Z)
• 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)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• Real-Time Optimal Guidance and Control for Interplanetary Transfers Using Deep Networks [10.191757341020216]
  最適な例の模倣学習は、ネットワークトレーニングパラダイムとして使用される。 G&CNETは、宇宙船の最適誘導制御システムの実装をオンボードでリアルタイムに行うのに適している。
  論文  参考訳（メタデータ） (2020-02-20T23:37:43Z)

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。