論文の概要: Anticipatory Reinforcement Learning for Trajectory Tracking
- arxiv url: http://arxiv.org/abs/2607.03132v1
- Date: Fri, 03 Jul 2026 09:21:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.529131
- Title: Anticipatory Reinforcement Learning for Trajectory Tracking
- Title（参考訳）: 軌道追跡のための予測強化学習
- Abstract要約: DRL状態空間を目標速度と将来の基準地平線で拡張する予測定式化を導入する。
その結果、9倍の誤差が減少し、平均絶対偏差は2.73から0.31に低下した。
より単純な1つのルックアヘッド水平線を用いた構成は、最も複雑なモデルの実際のトップパフォーマンスと一致した。
- 参考スコア（独自算出の注目度）: 0.40831821256838124
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deep reinforcement learning (DRL) in industrial control often suffers from lag and overshoot due to purely reactive control based on the current tracking error. To achieve anticipatory control without high computational overhead, we introduce a predictive formulation that augments the DRL state space with target velocities and future reference horizons. Evaluating eight configurations using proximal policy optimization (PPO) on a 1-degree-of-freedom (1-DoF) helicopter testbed, simulation results showed a 9-fold error reduction, lowering the mean absolute deviation from 2.73° to 0.31°. However, zero-shot transfer to physical hardware revealed a sim-to-real gap. Interestingly, a simpler configuration using a single, further look-ahead horizon matched the real-world top performance of the most complex model (1.11°). Overall, evaluating various combinations of prediction horizons and target velocities demonstrated that highly granular predictive data is not necessarily required for physical transfer.
- Abstract（参考訳）: 産業制御における深部強化学習(DRL)は、しばしば、現在の追跡誤差に基づく純粋に反応性のある制御のため、遅延やオーバーシュートに悩まされる。
高い計算オーバーヘッドを伴わない予測制御を実現するため、DRL状態空間を目標速度と将来の基準地平線で拡張する予測定式化を導入する。
1自由度 (1-DoF) のヘリコプターテストベッド上でのPPOによる8つの構成を評価し、シミュレーションの結果、9倍の誤差が減少し、平均絶対偏差が2.73°から0.31°に低下した。
しかし、物理ハードウェアへのゼロショット転送により、sim-to-realギャップが明らかになった。
興味深いことに、より単純な1つのルックアヘッド水平線を用いた構成は、最も複雑なモデル(1.11°)の実際の最高性能と一致した。
全体として、予測地平線と目標速度の様々な組み合わせを評価することで、物理移動には高い粒度の予測データが必ずしも必要ではないことを示した。
関連論文リスト
- Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。
我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。
高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
論文 参考訳（メタデータ） (2026-06-22T15:00:59Z) - Multi-Fidelity Emulation of Atmospheric Correction Coefficients with Physics-Guided Kolmogorov-Arnold Networks [0.17188280334580194]
大気補正は光リモートセンシングにおける重要な前処理ステップである。
本研究では,大気補正係数をエミュレートする物理対応多面体サロゲートフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-04T22:43:25Z) - SOAR: Self-Correction for Optimal Alignment and Refinement in Diffusion Models [48.335262141752715]
拡散モデルのための後トレーニングパイプラインには、キュレートされたデータに対する教師付き微調整(SFT)と報酬モデルによる強化学習(RL)の2段階がある。
本稿では,このギャップを埋めるバイアス補正ポストトレーニング法であるSOAR(Self-Correction for Optimal Alignment and Refinement)を提案する。
オンライン政治であり、報酬なしであり、クレジット割り当ての問題なく、時間ごとの密集した監督を提供する。
論文 参考訳（メタデータ） (2026-04-14T11:45:15Z) - Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。
Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
論文 参考訳（メタデータ） (2026-02-12T18:58:12Z) - Improving the Convergence Rate of Ray Search Optimization for Query-Efficient Hard-Label Attacks [15.591195687325888]
ハードラベルのブラックボックス攻撃では、トップ1の予測ラベルのみがアクセス可能である。
本稿では,最適な光線方向を探索する攻撃の代表的なクラスを最適化することに焦点を当てる。
Nesterov の Gradient (NAG) に触発され,運動量に基づくアルゴリズム ARS-OPT を提案する。
ARS-OPTは蓄積運動量から推定される将来の光線方向の勾配を積極的に推定する。
論文 参考訳（メタデータ） (2025-12-24T15:35:03Z) - DRL-Guided Neural Batch Sampling for Semi-Supervised Pixel-Level Anomaly Detection [0.0]
産業用視覚検査における異常検出は, 欠陥試料の不足により困難である。
本稿では,ニューラルバッチサンプリング,オートエンコーダ,予測器を統合した半教師付き深層強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-25T12:53:53Z) - Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail [85.47497935739936]
Alpamayo-R1 (AR1) は、因果推論の連鎖と軌道計画を統合する視覚言語モデルである。
また,AR1は,軌道のみのベースラインに比べて,難問の計画精度が12%向上することを示した。
今後のアップデートで、AR1モデルとCoCのサブセットをリリースする予定です。
論文 参考訳（メタデータ） (2025-10-30T01:25:34Z) - ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。
学習タスクを再編成し、慣性参照からの残留偏差を予測する。
NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文 参考訳（メタデータ） (2025-10-09T17:59:36Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - TGLF-SINN: Deep Learning Surrogate Model for Accelerating Turbulent Transport Modeling in Fusion [18.028061388104963]
我々は,3つの重要なイノベーションを持つtextbfTGLF-SINN (Spectra-Informed Neural Network) を提案する。
我々の手法は、トレーニングデータを大幅に減らし、優れたパフォーマンスを実現する。
下流フラックスマッチングアプリケーションでは、NNサロゲートがTGLFの45倍のスピードアップを提供しながら、同等の精度を維持しています。
論文 参考訳（メタデータ） (2025-09-07T09:36:51Z) - Constrained Reinforcement Learning using Distributional Representation for Trustworthy Quadrotor UAV Tracking Control [2.325021848829375]
本研究では, 未知の空力効果に対する分散強化学習障害推定器を統合した新しいトラジェクトリトラッカーを提案する。
提案手法は, 空気力学効果の真値と推定値の不確かさを正確に同定する。
本システムは,最近の技術と比較して,累積追尾誤差を少なくとも70%改善することを示した。
論文 参考訳（メタデータ） (2023-02-22T23:15:56Z)
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。