論文の概要: Semi-Decentralized Multi-Spacecraft Collision Avoidance under Communication Constraints
- arxiv url: http://arxiv.org/abs/2607.26570v1
- Date: Wed, 29 Jul 2026 07:48:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.572587
- Title: Semi-Decentralized Multi-Spacecraft Collision Avoidance under Communication Constraints
- Title（参考訳）: 通信制約下における半分散多宇宙衝突回避
- Abstract要約: 現在の宇宙船の衝突回避操作は間欠的な地上局との接触に依存しており、オペレーターは遅延して非同期に更新された情報を計画する必要がある。
我々は,半分散POMDP (SDec-POMDP) を定式化し,リアルな地上局可視窓により情報伝達を直接制御する。
その結果、半分散プランニングは、連続的な調整よりも28.5%少ない同期イベントを必要としながら、ほぼ分散化された操作品質を回復することが示された。
- 参考スコア（独自算出の注目度）: 22.71668728031368
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current spacecraft collision-avoidance operations rely on intermittent ground-station contacts, requiring operators to plan with delayed and asynchronously updated information. Consequently, maneuvers must be planned with only intermittent information sharing between operators, raising the question of how much coordination is needed to achieve collision-avoidance performance comparable to centralized planning. Although decision-theoretic approaches such as partially observable Markov decision processes (POMDPs) capture the sequential and uncertain nature of collision avoidance, existing multiagent extensions typically assume either continuous information sharing or communication models that do not reflect operational ground-station constraints. To explicitly model this intermittent information availability, we formulate the spacecraft-to-spacecraft collision avoidance problem as a semi-decentralized POMDP (SDec-POMDP), where we govern information propagation directly by realistic ground-station visibility windows. Joint maneuver policies are computed using approximate Recursive Small-Step Semi-Decentralized A* (RS-SDA*), following the state-of-the-art A*-based lineage for decentralized multiagent planning. Across a representative suite of conjunction scenarios, semi-decentralized planning recovers near-centralized maneuver quality while requiring 28.5% fewer synchronization events than continuous coordination. Comparisons with representative rule-based operator heuristics further show that communication-aware planning more consistently achieves the desired operational miss-distance band while minimizing unnecessary trajectory deviation. Together, these results establish a practical planning framework for autonomous collision avoidance under realistic intermittent communication, bridging the gap between idealized centralized coordination and fully decentralized planning execution.
- Abstract（参考訳）: 現在の宇宙船の衝突回避操作は間欠的な地上局との接触に依存しており、オペレーターは遅延して非同期に更新された情報を計画する必要がある。
その結果、オペレータ間の間欠的な情報共有のみで操作を計画し、集中型計画に匹敵する衝突回避性能を達成するために、どの程度の調整が必要であるかという疑問を提起する。
部分的に観測可能なマルコフ決定プロセス(POMDP)のような決定論的アプローチは衝突回避のシーケンシャルで不確実な性質を捉えているが、既存のマルチエージェント拡張は、通常、運用上の地上局制約を反映しない連続的な情報共有または通信モデルのいずれかを仮定する。
この間欠的な情報提供を明示的にモデル化するために、宇宙船と航空機の衝突回避問題を半分散POMDP (SDec-POMDP) として定式化し、現実的な地上局可視窓により情報伝達を直接制御する。
逐次的半分散化A* (RS-SDA*) を用いて共同操作ポリシーを計算し, 分散化マルチエージェント計画のための最先端のA*ベースの系統を追従する。
半分散プランニングは、統合シナリオの代表スイート全体にわたって、ほぼ分散化された操作品質を回復し、連続的な調整よりも28.5%少ない同期イベントを必要とする。
代表的規則に基づく演算子ヒューリスティックスとの比較により,通信意識のプランニングにより,不要な軌道偏差を最小限に抑えつつ,所望の操作ミス距離バンドを確実に達成できることが示されている。
これらの結果は、現実的な断続的コミュニケーションの下での自律衝突回避のための実践的な計画枠組みを確立し、理想化された集中的調整と完全に分散化された計画実行のギャップを埋める。
関連論文リスト
- MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。
本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。
適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
論文 参考訳（メタデータ） (2026-08-02T10:05:50Z) - World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。
内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。
nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
論文 参考訳（メタデータ） (2026-07-12T07:44:16Z) - Anytime Plug-and-Play Control with Contract-Based Distributed MPC [3.477704547618128]
本研究では,局部通信に基づく分散マルチエージェント制御アルゴリズムを導入する。
提案手法を自律型マルチエージェント運転シナリオで検証し,エージェントが反対方向に移動する高速・動的環境における衝突回避効果を示す。
論文 参考訳（メタデータ） (2026-07-05T10:06:49Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - Decentralized Contingency MPC based on Safe Sets for Nonlinear Multi-agent Collision Avoidance [1.5856188608650232]
本稿では,非線形力学を持つマルチエージェントシステムのための分散並列MPCフレームワークを開発する。
状態のみの情報パターンの下では、各エージェントは同じ合意的ルールセットに従い、コミュニケーションなしで安全な分散計画を可能にする。
シミュレーションの結果はスパース環境と密集型マルチエージェント環境の両方で性能を示す。
論文 参考訳（メタデータ） (2026-05-11T15:40:36Z) - TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving [37.09409794849228]
トポロジ条件付きStackelberg Coordinationは、コミュニケーションフリー実行下での分散インタラクティブ運転のための学習フレームワークである。
TSCは,主要な指標をまたいだ代表的MARLベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2026-02-27T10:46:41Z) - Wireless Federated Multi-Task LLM Fine-Tuning via Sparse-and-Orthogonal LoRA [61.12136997430116]
低ランク適応(LoRA)に基づく分散連合学習(DFL)により、マルチタスクデータセットを持つモバイルデバイスは、ローカルに更新されたパラメータを、無線接続を介して近隣デバイスのサブセットと交換することで、大きな言語モデル(LLM)を協調的に微調整することができる。
不均一データセットに微調整されたパラメータを直接集約すると、DFLライフサイクルの3つの主要な問題が発生する: (i) 微調整プロセス中に忘れる破滅的な知識、(ii) データの異種性に起因する更新方向の矛盾に起因する。
論文 参考訳（メタデータ） (2026-02-24T02:45:32Z) - Event-Triggered Gossip for Distributed Learning [61.70659996356528]
我々は,ノード間通信を減らすために,分散学習のためのイベントトリガー型ゴシップフレームワークを開発した。
従来のフルテキスト・オブ・ザ・アート分散学習法と比較して,bf71.61%を限界性能損失のみで分析する。
論文 参考訳（メタデータ） (2026-02-22T10:13:43Z) - OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers [68.73273027298625]
メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している
AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク
AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。
OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
論文 参考訳（メタデータ） (2025-12-30T16:40:02Z) - Deep Neural Network-Based Aerial Transport in the Presence of Cooperative and Uncooperative UAS [3.437656066916039]
本稿では,非クルード航空システム(UAS)を$mathbbRn$で運用することで,分散トランスポートとカバレッジを分散化するためのレジリエントディープニューラルネットワーク(DNN)フレームワークを提案する。
このフレームワークは、規定されたプロトコルに従わない、あるいは従わない非協力的なエージェントの存在下で堅牢なままに設計されている。
論文 参考訳（メタデータ） (2025-12-06T22:03:41Z) - Scalable Multi-Agent Path Finding using Collision-Aware Dynamic Alert Mask and a Hybrid Execution Strategy [14.091856940824258]
マルチエージェントパスフィンディングは、ロボット工学や自律システムにおいて重要な問題である。
本稿では,分散経路計画と軽量集中コーディネータを組み合わせたハイブリッドフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-10T15:25:40Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset and Consensus-Based Models [76.32775745488073]
本研究では,非構造環境における動作計画の研究を目的とした,新しいデータセットとモデリングフレームワークを提案する。
コンセンサスに基づくモデリング手法により、データセットで観測された優先順位の出現を効果的に説明できることを実証する。
論文 参考訳（メタデータ） (2022-09-19T05:06:57Z)
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。