Fugu-MT 論文翻訳(概要): Conditional Invertible Neural Networks for Data-Driven UAV Control: A 2-D Proof of Concept

論文の概要: Conditional Invertible Neural Networks for Data-Driven UAV Control: A 2-D Proof of Concept

arxiv url: http://arxiv.org/abs/2607.13703v1
Date: Wed, 15 Jul 2026 11:07:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-16 16:39:12.747515
Title: Conditional Invertible Neural Networks for Data-Driven UAV Control: A 2-D Proof of Concept
Title（参考訳）: データ駆動型UAV制御のための条件付き可逆ニューラルネットワーク:概念の2次元証明
Abstract要約: マルチロータ制御のための確率的逆力学モデルとしての条件付き可逆ニューラルネットワーク(cINN)。オープンループ再生は$R2 = 0.944$、平均CRPS 0.0915、対数確率とエラーの相関$=-0.60$に達する。
参考スコア（独自算出の注目度）: 0.6308539010172308
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We investigate conditional invertible neural networks (cINNs) as probabilistic inverse-dynamics models for multirotor control. For a planar X8 coaxial multicopter, we learn $p(u \mid s_t, c_t)$ from an incremental nonlinear dynamic inversion (INDI) teacher using rational-quadratic spline coupling and invertible linear mixing. Open-loop reproduction reaches $R^2 = 0.944$, mean CRPS 0.0915, and log-probability-error correlation $ρ= -0.60$. Over 15 closed-loop scenarios, position RMSE matches INDI (9.7 vs. 9.5 m), with 47 percent tracking acceptably; failures separate into attitude divergence under aggressive steps and phase lag under high-frequency references, isolating command bandwidth and data coverage as dominant failure mechanisms.
Abstract（参考訳）: マルチロータ制御のための確率的逆力学モデルとして条件付き可逆ニューラルネットワーク(cINN)について検討する。平面型X8同軸型マルチコプターでは、有理四重線型結合と可逆線形混合を用いてインクリメンタル非線形動的インバージョン(INDI)教師から$p(u \mid s_t, c_t)$を学習する。オープンループ再生は$R^2 = 0.944$、平均CRPS 0.0915、対数確率-エラー相関$ρ= -0.60$に達する。 15以上のクローズドループシナリオでは、RMSEはINDI (9.7 vs. 9.5 m) と47%のトラッキングが許容できる。

関連論文リスト

Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文参考訳（メタデータ） (2026-08-01T13:49:46Z)
Fast, accurate, and differentiable: a neural-network surrogate for NRSur7dq4 precessing binary black hole waveforms [0.0]
NRSur7dq4重力波形モデルをエミュレートするニューラルネットワークサロゲートモデルを提案する。我々は、NRSur7dq4に対するサロゲートを、その全パラメータ空間にまたがる10,000の波形に対して検証する。これは、評価されたNR忠実な精度と完全に微分可能なGPU加速推論パイプラインを組み合わせた、先行する数値相対性理論波形モデルの初めてのニューラルネットワークサロゲートである。
論文参考訳（メタデータ） (2026-07-27T18:08:33Z)
Tracking Through Decoupling Singularities: A Singularity-Robust Homotopy-Continuation Extension of Feedback Linearization [0.0]
本稿では,正方形非線形制御アフィン系のための軌道追従制御器を開発する。この方法は、トラッキングをリアルタイムの弧長ホモトピー継続として再キャストする。結果の流れは、特異集合から離れたフィードバック線形化に一致する。
論文参考訳（メタデータ） (2026-07-11T18:41:04Z)
Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文参考訳（メタデータ） (2026-02-10T21:08:53Z)
Continuous-Depth Transformers with Learned Control Dynamics [0.0]
本稿では,離散的な中間層を連続的なニューラル正規微分方程式ブロックに置き換えるハイブリッドトランスフォーマーアーキテクチャを提案する。提案手法は,学習ベクトル場$F_(H, u)$で制御される連続変数として深度を扱い,$u$は明示的な連結によって注入される低次元制御信号であることを示す。この結果から,学習した制御信号を用いた連続深度ダイナミクスが,ステアブル言語生成に有効かつ効率的なメカニズムを提供することが示された。
論文参考訳（メタデータ） (2026-01-15T02:35:37Z)
DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
論文参考訳（メタデータ） (2025-12-08T17:29:52Z)
Machine-Learning Accelerated Calculations of Reduced Density Matrices [0.3823356975862005]
我々は、ニューラルネットワーク(NN)アーキテクチャを用いて、大規模システムに対する$n$-RDMの計算を高速化し、予測することを提案する。根底にある直感では、$n$-RDMはブリルアンゾーン(BZ)上の滑らかな関数であり、補間可能であるため、NNが小さな$n$-RDMで訓練して大きな関数を予測することができる。
論文参考訳（メタデータ） (2025-11-10T18:23:34Z)
Environment-Aware Indoor LoRaWAN Path Loss: Parametric Regression Comparisons, Shadow Fading, and Calibrated Fade Margins [3.776919981139063]
内部のLoRaWAN伝播は、構造的および時間的変化の文脈因子によって形成される。リークセーフなクロスバリデーションを用いて評価した,環境に配慮した統計的に規律のある経路損失フレームワークを提案する。
論文参考訳（メタデータ） (2025-10-05T20:14:48Z)
Sequence modeling of higher-order wave modes of binary black hole mergers [0.0]
準円、回転、非精密な二元ブラックホールの融合による高次重力波モードは、これらの系の非線形力学に関する重要な情報を符号化する。我々はこれらの波形をトランスフォーマーアーキテクチャを用いてモデル化し、リングダウンによる晩期から晩期までの進化を目標にしている。以上の結果から,変圧器を用いたモデルでは,双対ブラックホール融合の非線形ダイナミクスを高精度に捉えることが可能であることが示唆された。
論文参考訳（メタデータ） (2024-09-05T18:00:11Z)
Simulation-free Schr\"odinger bridges via score and flow matching [89.4231207928885]
シミュレーションフリースコアとフローマッチング([SF]$2$M)を提案する。本手法は,拡散モデルのトレーニングに使用するスコアマッチング損失と,連続流のトレーニングに使用されるフローマッチング損失の両方を一般化する。特に、[SF]$2$Mは、高次元の細胞動態を正確にモデル化し、既知の遺伝子制御ネットワークをシミュレートする最初の方法である。
論文参考訳（メタデータ） (2023-07-07T15:42:35Z)
FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文参考訳（メタデータ） (2022-10-26T00:23:36Z)
Offline Reinforcement Learning at Multiple Frequencies [62.08749079914275]
本研究では、オフライン強化学習アルゴリズムが、トレーニング中に複数の周波数を混合したデータに対応できるかどうかについて検討する。学習を安定させるために$Q$-valueの更新率で一貫性を強制する、単純だが効果的なソリューションを提案する。
論文参考訳（メタデータ） (2022-07-26T17:54:49Z)
Robust Online Control with Model Misspecification [96.23493624553998]
本研究では,未知の非線形力学系のモデル不特定性を考慮したオンライン制御について検討する。本研究は, 線形近似からの偏差を許容できる程度に測定できるロバスト性に着目した。
論文参考訳（メタデータ） (2021-07-16T07:04:35Z)

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。