論文の概要: Stochastic Multiple Shooting Trajectory Optimization via Sequential Local Policy Evaluation

• arxiv url: http://arxiv.org/abs/2608.03978v1
• Date: Tue, 04 Aug 2026 17:43:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 07:04:20.738483
• Title: Stochastic Multiple Shooting Trajectory Optimization via Sequential Local Policy Evaluation
• Title（参考訳）: 逐次局所政策評価による確率多重撮影軌道最適化
• Abstract要約: 本稿では,局所的なフィードバックポリシを介して接続された短い制御動作シーケンスを最適化し,サンプル効率と端末セットへの収束性を改善する多重撮影法を提案する。 我々は,システムヤコビアンをロールアウトから純粋に合成できることを示し,ブラックボックス力学を用いたモデルベース強化学習に適した方法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stochastic single shooting trajectory optimization methods such as Model Predictive Path Integral control (MPPI) have been widely adopted in robotics due to their ability to reason about probabilistic dynamics and provide solutions where model gradients are noisy, costly to evaluate, or unavailable. However, satisfaction of terminal constraints when shooting over long action sequences is often sample inefficient, requiring a large number of iterations for convergence. In this paper, we present a stochastic multiple shooting method that optimizes short control action sequences connected via local feedback policies to improve sample efficiency and convergence to a terminal set. Additionally, we show that we are able to synthesize approximate system Jacobians purely from rollouts, making the method suitable for model-based reinforcement learning with black-box dynamics. We demonstrate the algorithm has improved sample efficiency and terminal set convergence for three nonlinear, underactuated optimization problems: a classic cartpole swingup task with analytical dynamics, a cartpole swingup task with learned neural network dynamics, and a VTOL quadplane performing a high angle-of-attack, precision post-stall landing maneuver.
• Abstract（参考訳）: モデル予測経路積分制御(MPPI)のような確率的単射軌道最適化法は、確率力学を推論し、モデル勾配がノイズで、評価しやすく、あるいは利用できないソリューションを提供するため、ロボット工学において広く採用されている。 しかし、長時間のアクションシーケンスを撮影する際の終端制約の満足度はしばしば非効率であり、収束のために大量の反復を必要とする。 本稿では,局所的なフィードバックポリシを介して接続された短い制御動作シーケンスを最適化し,サンプル効率と端末セットへの収束性を改善する確率的多重撮影法を提案する。 さらに, ブラックボックス力学を用いたモデルベース強化学習に適した手法として, ロールアウトから近似系ヤコビアンを純粋に合成できることを示す。 本アルゴリズムは,3つの非線形・非作動的最適化問題に対して,サンプル効率と終端セット収束を改良し,解析力学を用いた古典的カルボポール・スワップアップタスク,ニューラルネットワーク力学を学習したカルボポール・スワップアップタスク,高いアングル・オブ・アタック,高精度なポストストールランディング操作を行うVTOLクワッドプレーンを実証した。

関連論文リスト

• Feedback Motion Planning for Stochastic Nonlinear Systems with Signal Temporal Logic Specifications [25.484834028091083]
  信号時間論理(STL)仕様下での連続時間非線形システムのフィードバック動作計画について検討する。 本稿では,確率制約付きSTL軌道最適化問題に対する制御ポリシを合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-04T09:02:16Z)
• Sampling-Based Control via Entropy-Regularized Optimal Transport [18.278741443124655]
  OT-MPCは、エントロピー規則化された最適輸送定式化によって制限を克服するサンプリングベースのアルゴリズムである。 我々は、Sinkhornアルゴリズムを用いて、クローズドな勾配のない更新を導出し、リアルタイムな性能を実現する。
  論文  参考訳（メタデータ） (2026-05-04T02:07:15Z)
• Parallel Diffusion Solver via Residual Dirichlet Policy Optimization [88.7827307535107]
  拡散モデル(DM)は、最先端の生成性能を達成したが、シーケンシャルなデノナイジング特性のため、高いサンプリング遅延に悩まされている。 既存のソルバベースの加速度法では、低次元の予算で画像品質が著しく低下することが多い。 本研究では,各ステップに複数の勾配並列評価を組み込んだ新しいODE解法であるEnsemble Parallel Directionsolvr(EPD-EPr)を提案する。
  論文  参考訳（メタデータ） (2025-12-28T05:48:55Z)
• Stochastic Optimal Control Matching [53.156277491861985]
  最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。 この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。 実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
  論文  参考訳（メタデータ） (2023-12-04T16:49:43Z)
• Learning-Aided Warmstart of Model Predictive Control in Uncertain Fast-Changing Traffic [2.0965639599405366]
  我々は、ネットワークベースのマルチモーダル予測器を用いて、自律走行車軌道の提案を生成する。 このアプローチにより,複数の局所最小値の同定が可能となり,初期推定精度が向上する。 我々はモンテカルロシミュレーションによるアプローチを異なるシナリオで検証する。
  論文  参考訳（メタデータ） (2023-10-04T16:00:21Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
  本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。 モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:10:14Z)
• Optimal Control of Nonlinear Systems with Unknown Dynamics [4.551160285910024]
  本稿では,閉ループ最適制御器の探索のためのデータ駆動方式を提案する。 任意の初期状態が与えられた未知の力学を持つ系に対する特定の無限水平コスト関数を最小化する。
  論文  参考訳（メタデータ） (2023-05-24T14:27:22Z)
• Inferring Smooth Control: Monte Carlo Posterior Policy Iteration with Gaussian Processes [39.411957858548355]
  オンラインシーケンシャル推論を用いて,よりスムーズなモデル予測因子制御を実現する方法を示す。 提案手法は,いくつかのロボット制御タスクにおいて,従来の手法と一致し,スムーズさを確保しつつ評価する。
  論文  参考訳（メタデータ） (2022-10-07T12:56:31Z)
• Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
  高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。 我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。 また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
  論文  参考訳（メタデータ） (2021-07-02T16:21:52Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Self-Tuning Stochastic Optimization with Curvature-Aware Gradient Filtering [53.523517926927894]
  サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。 モデルに基づく手続きが雑音勾配設定に収束することを証明する。 これは自己チューニング二次体を構築するための興味深いステップである。
  論文  参考訳（メタデータ） (2020-11-09T22:07:30Z)
• Learning to Optimize Non-Rigid Tracking [54.94145312763044]
  我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。 まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。 次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
  論文  参考訳（メタデータ） (2020-03-27T04:40:57Z)

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。