論文の概要: Transformer-Based Warm-Starting for Feasible and Optimal Terminal Approach to Tumbling Objects with Space Manipulators

• arxiv url: http://arxiv.org/abs/2606.17317v1
• Date: Mon, 15 Jun 2026 21:54:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.153236
• Title: Transformer-Based Warm-Starting for Feasible and Optimal Terminal Approach to Tumbling Objects with Space Manipulators
• Title（参考訳）: 変圧器を用いた宇宙マニピュレータを用いたタンブリング物体への可変・最適終端アプローチのためのワームスタート
• Authors: Yuji Takubo, Maximilian Adang, Mac Schwager, Simone D'Amico,
• Abstract要約: 宇宙船バスの動き、マニピュレータのダイナミクス、コーン、ロバスト性、安全性の制約が非線形に結合していることから、宇宙マニピュレータのリアルタイム軌道誘導は困難である。 本稿では,逐次学習に基づく温暖モデルSCP-chunkウォームスタートを提案する。 その結果、SCP-chunkウォームスタートは、空間操作のためのSCPベースの端末プログラムの効率性と軌道誘導の両方を改善することができることがわかった。
• 参考スコア（独自算出の注目度）: 9.91824382053006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time trajectory generation for on-orbit robotic servicing is challenging due to the nonlinear coupling between spacecraft bus motion, manipulator dynamics, visibility cone, and trajectory-level safety constraints. This paper studies learning-based warm-starting for sequential convex programming (SCP) in the terminal approach of a space manipulator toward a tumbling target. The proposed framework decomposes the problem into a system center-of-mass translational planning stage and a coupled attitude--manipulator torque-allocation stage, and applies a causal transformer warm-start to the latter, which constitutes the dominant computational bottleneck. Linear and flow matching action decoders are compared under different action-chunking and training dataset sizes, and the resulting warm-starts are evaluated under both cost-optimal and feasibility projection using SCP. Across 300 held-out scenarios, the learned warm-start reduces the second-stage SCP iteration count by up to 28% and the runtime by 23% while preserving the final control-cost distribution. When the learned warm-starts are used for nonconvex feasibility projection, they nearly halve the runtime relative to cost-optimal SCP, while avoiding the catastrophic high-cost tail behavior observed when initialized heuristically. These results indicate that sequence-model warm-starts can improve both the computational efficiency and trajectory robustness of optimization-based terminal guidance for space manipulation.
• Abstract（参考訳）: 軌道上ロボットサーベイシングのリアルタイム軌道生成は、宇宙船バスの動き、マニピュレータのダイナミクス、可視性コーン、軌道レベルの安全制約の非線形結合により困難である。 本稿では,空間マニピュレータの終端アプローチにおける逐次凸計画(SCP)の学習に基づくウォームスタートについて検討する。 提案手法は,この問題をシステム中心翻訳計画段階と協調姿勢マニピュレータトルクアロケーション段階に分解し,後者に因果トランスフォーマーを加温開始し,計算ボトルネックを支配的とする。 線形およびフローマッチング動作デコーダを、異なるアクションチャンキングおよびトレーニングデータセットサイズで比較し、SCPを用いてコスト最適化および実行可能性予測の両方で結果のウォームスタートを評価する。 300を超える保留シナリオにおいて、学習されたウォームスタートは、2段階のSCPイテレーション数を最大28%減らし、ランタイムを23%減らし、最終的なコントロールコスト分布を保留する。 学習したウォームスタートが非凸フェーザビリティプロジェクションに使用されると、コスト最適化SCPと比較してランタイムが半分近くなり、一方で、初期化時に観察される破滅的な高コストテールの挙動は避けられる。 これらの結果から,逐次モデルウォームスタートは,空間操作のための最適化型端末ガイダンスの計算効率と軌道ロバスト性の両方を向上できることが示された。

関連論文リスト

• Planning-aligned Token Compression for Long-Context Autonomous Driving [95.59023657139208]
  条件付きVQ-VA上に構築した計画整合型ワーキングメモリフレームワークを提案する。 圧縮は歴史的軌跡と学習した計画意図の両方で条件付けられている。 歴史的文脈が行動の正確性に最も重要となる高信号動的シナリオについて評価する。
  論文  参考訳（メタデータ） (2026-06-05T17:16:21Z)
• GPU-Accelerated Continuous-Time Successive Convexification for Contact-Implicit Legged Locomotion [0.4588028371034407]
  コンタクト-単純軌道最適化(CITO)は、コンタクトシーケンスの自動発見を可能にする。 本稿では,離散化ノード間の接触イベントが欠落するリスクを排除し,クロスコンピテンサリティ制約を導入する。 その結果,最大座標における全多体ダイナミクスをモデル化した,接触型連続凸化(ci-SCvx)が得られた。
  論文  参考訳（メタデータ） (2026-04-11T02:40:29Z)
• DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
  本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。 極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。 新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2025-08-02T03:15:47Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• ICP-Flow: LiDAR Scene Flow Estimation with ICP [2.9290232815049926]
  シーンフローは、近くの時間ステップで自動運転車が捉えた2つのLiDARスキャン間の3D運動を特徴付ける。 我々は,学習不要なフロー推定器であるICP-Flowを提案し,オブジェクトをスキャン上で関連付け,局所的な剛性変換を推定する。 教師付きモデルを含む最先端のベースラインをデータセット上で上回り、Argoverse-v2とnuScenesで競合的に実行します。
  論文  参考訳（メタデータ） (2024-02-27T09:41:59Z)
• Improving Computational Efficiency for Powered Descent Guidance via Transformer-based Tight Constraint Prediction [1.2074552857379275]
  Transformer-based Powered Descent Guidance (T-PDG) は、宇宙船による降下誘導問題の直接最適化の計算量を削減するスケーラブルなアルゴリズムである。 T-PDGは、従来の軌道最適化アルゴリズムからのデータを使用して、トランスフォーマーニューラルネットワークをトレーニングし、問題パラメータ間の関係を正確に予測する。 最終軌道を返す前に、T−PDGに実現可能性チェックを組み込むことにより、安全で最適な解が保証される。
  論文  参考訳（メタデータ） (2023-11-09T04:26:25Z)
• Layer Pruning on Demand with Intermediate CTC [50.509073206630994]
  我々はコネクショニスト時間分類(CTC)に基づくASRの訓練と刈り取り方法を提案する。 本稿では,Transformer-CTCモデルをオンデマンドで様々な深さでプルーニングできることを示し,GPU上でのリアルタイム係数を0.005から0.002に改善した。
  論文  参考訳（メタデータ） (2021-06-17T02:40:18Z)

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。