論文の概要: Topological Online Learning for Displacement-based Formation Control
- arxiv url: http://arxiv.org/abs/2606.23901v1
- Date: Mon, 22 Jun 2026 19:57:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:48.647371
- Title: Topological Online Learning for Displacement-based Formation Control
- Title（参考訳）: 変位に基づく形成制御のためのトポロジカルオンライン学習
- Authors: Saksham Sharma, Shubhankar Gupta, Sumant A Gunagi, Suresh Sundaram,
- Abstract要約: 本稿では,リアルタイムエッジレベルの適応フレームワークであるTOLD(Topological Online Learning for Displacement-based)生成制御を提案する。
非負の凸重みを持つオンライン指数勾配流(OExpGF)と、非負の凸重みを持つオンライン指数勾配流(OExpGF)の2つの戦略が提案されている。
Crazyflie 2.0 によるハードウェア実験では、62% (OGF) 以上と31.4% (OExpGF) の中央値の歪みが固定重量のコンセンサスと比較して減少している。
- 参考スコア（独自算出の注目度）: 6.301905517882766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of robust formation control by introducing Topological Online Learning for Displacement-based (TOLD) formation control, a real-time edge-level adaptation framework. Unlike conventional node-level robust controllers that regulate individual robot inputs without modifying the interaction topology, TOLD updates the interaction topology weights online to directly minimize formation distortion. Two strategies are proposed under the TOLD formation control framework: Online Gradient Flow (OGF) with unconstrained weights and Online Exponential Gradient Flow (OExpGF) with non-negative convex weights. Theoretical analysis establishes that, for single-integrator agents over directed graphs, OExpGF guarantees asymptotic consensus, while OGF ensures bounded formation distortion. Simulations with twelve robots under intermittent disturbances show 1.2%-33.14% median cumulative Root Mean Distortion Error reduction when augmenting TOLD with node-level controllers. Hardware experiments with Crazyflie 2.0 quadrotors demonstrate over 62% (OGF) and 31.4% (OExpGF) reduction in median formation distortion compared to fixed-weight consensus.
- Abstract（参考訳）: 本稿では、リアルタイムエッジレベル適応フレームワークであるTOLD(Topological Online Learning for Displacement-based Formation Control)を導入することにより、ロバストな生成制御の問題に対処する。
相互作用トポロジを変更することなく個々のロボット入力を制御する従来のノードレベルのロバストコントローラとは異なり、TOLDは相互作用トポロジの重みをオンラインで更新し、生成歪みを直接最小化する。
非負の凸重みをもつオンライン指数勾配流(OExpGF)と、非負の凸重みを持つオンライン指数勾配流(OExpGF)の2つの戦略が提案されている。
理論的解析により、単積分エージェントが有向グラフ上の場合、OExpGFは漸近的コンセンサスを保証する一方、OGFは有界な形成歪みを保証する。
断続的障害下での12台のロボットによるシミュレーションでは、ノードレベルのコントローラでTOLDを増大させると、1.2%-33.14%の中央累積根平均歪み誤差が減少する。
Crazyflie 2.0 によるハードウェア実験では、62% (OGF) 以上と31.4% (OExpGF) の中央値の歪みが固定重量のコンセンサスと比較して減少している。
関連論文リスト
- Beyond the Aggregation Dilemma: Prior-Retaining Decoupled Learning for Multimodal Graphs [69.56407708794845]
MultimodalAttributed Graph Learning (MAGL)はグラフアグリゲーションを通じてノード属性と構造トポロジーを統合する。
事前訓練されたエンコーダがLarge Foundation Models (LFM) へと進化するにつれて、MAGLのランドスケープは根本的に変化していく。
高信頼のLFM先行の下では、強制集約は、識別シグナルを圧倒するトポロジカル固有のノイズを導入する。
本稿では、分離されたデュアルパスパラダイムであるSUPRA(Shared-Unique Prior-Retaining Architecture)を提案する。
SUPRAは、トポロジ・アグノシクスによるモーダリティ特異的な特徴を処理し、軽量共有GNNを介して構造相乗効果を捉え、補助的な深層監視対策の勾配飢餓を発生させる。
論文 参考訳（メタデータ） (2026-05-23T17:42:25Z) - Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks [52.153950303594684]
交互勾配流(Alternating Gradient Flow, AGF)に着想を得た非結合型運動パラダイムを提案する。
AGFはネットワークの構造的「運動ユーティリティ」を正確にキャプチャする
我々は、AGFに誘導されるオフライン構造探索を、ゼロコストの物理プリミティブを介してオンライン実行から切り離すハイブリッドルーティングフレームワークを設計する。
論文 参考訳（メタデータ） (2026-03-12T18:19:21Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - CFG-Ctrl: Control-Based Classifier-Free Diffusion Guidance [31.552164852288325]
スライディングモード制御CFG(SMC-CFG)を導入する。
SMC-CFGは、様々なガイダンス尺度において、セマンティックアライメントとロバストネスにおいて標準CFGを上回っている。
論文 参考訳（メタデータ） (2026-03-03T18:59:48Z) - Logic-Guided Vector Fields for Constrained Generative Modeling [3.8806403512213787]
ニューロシンボリックシステムは、シンボリック論理の表現的構造とニューラルラーニングの柔軟性を組み合わせることを目的としている。
本稿では,フローマッチング生成モデルに記号的知識を注入するニューロシンボリックフレームワークLGVFを提案する。
論文 参考訳（メタデータ） (2026-02-02T12:09:42Z) - A scalable flow-based approach to mitigate topological freezing [34.54607280864912]
マルコフチェインモンテカルロシミュレーションからトポロジカルアーティファクトを除去するフローベース戦略を提案する。
この戦略は、非平衡モンテカルロ更新を局所的で頑丈な欠陥層に置き換える正規化フロー(SNF)に基づいている。
欠点SNFは、同等のコストで非平衡法を再現するよりも優れた性能を示す。
論文 参考訳（メタデータ） (2026-01-28T15:40:46Z) - Multi-Scale Negative Coupled Information Systems (MNCIS): A Unified Spectral Topology Framework for Stability in Turbulence, AI, and Biology [1.4213973379473657]
本研究は,MNCIS(Multi-Scale Negative Coupled Information System)フレームワークを一般化する。
グローバルな安定性には、状態依存のハイパスフィルタとして機能するアクティブなトポロジカル演算子 -- アダプティブスペクトル負結合(ASNC)が必要です。
ASNCはSGS(Global-enstrophy Adaptive Sub-Grid Scale)モデルとして機能し、不可視の限界を安定化し、人工超視力なしでコルモゴロフの5/3$慣性範囲を保存する。
以上の結果から, MNCISフレームワークは, 熱平衡に崩壊する複雑系と熱平衡を区別するために, 基底非依存の位相条件を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-01-06T21:11:33Z) - Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection [59.042018542376596]
グラフ異常検出(GAD)は近年注目度が高まりつつあるが、2つの重要な要因があるため、依然として困難である。
Anomaly-Aware Pre-Training and Fine-Tuning (APF)は、GADの課題を軽減するためのフレームワークである。
10のベンチマークデータセットに関する総合的な実験は、最先端のベースラインと比較してAPFの優れたパフォーマンスを検証する。
論文 参考訳（メタデータ） (2025-04-19T09:57:35Z) - Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。
解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文 参考訳（メタデータ） (2024-03-11T09:10:37Z)
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。