論文の概要: Trajectory Design and Budgeted Querying for Digital Twin Calibration

• arxiv url: http://arxiv.org/abs/2608.08631v1
• Date: Sun, 09 Aug 2026 10:36:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.899866
• Title: Trajectory Design and Budgeted Querying for Digital Twin Calibration
• Title（参考訳）: デジタル双対校正のための軌道設計と予算クエリ
• Abstract要約: デジタルツインキャリブレーションは、収集するのに高価なインタラクションデータを必要とする。 本研究では,どのトラジェクトリを生成するか,いつ限られた予算を特権パラメータ測定に費やすか,という2つの買収決定について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital-twin calibration requires interaction data that is expensive to collect. We study two acquisition decisions: which trajectories to generate, and when to spend a limited budget on privileged parameter measurements. Our framework couples an excitation-oriented reinforcement learning controller, a recurrent parameter estimator with predictive uncertainty, and a budgeted query policy. In Pendulum, a Random Forest diagnostic recovers gravity only weakly from task-oriented trajectories and does not recover mass or length, while a GRU trained on excitation-oriented trajectories reaches a mean absolute error of 0.0066 with no queries. We then withdraw continuous oracle access partway through an episode, so that the twin must run on the estimator's output for the remainder. The estimator-plus-policy pipeline achieves a terminal error of 0.0092 under a three-query budget, against 0.2031 for an uncalibrated twin. In partially observable Waterworld, five controllers produce different observed error profiles across three hidden parameters, and an estimator trained on a five-controller mixture reaches online normalized errors of roughly 4-5%. These exploratory case studies are not controlled ablations, but they motivate treating trajectory design and query allocation as explicit design variables in data-scarce calibration.
• Abstract（参考訳）: デジタルツインキャリブレーションは、収集するのに高価なインタラクションデータを必要とする。 本研究では,どのトラジェクトリを生成するか,いつ限られた予算を特権パラメータ測定に費やすか,という2つの買収決定について検討する。 提案フレームワークは,励磁型強化学習コントローラ,予測不確実性を考慮した繰り返しパラメータ推定器,予算付きクエリポリシを結合する。 ペンデュラムでは、ランダムフォレスト診断はタスク指向の軌道から重力を弱く回復し、質量や長さを回復しないが、励起指向の軌道で訓練されたGRUはクエリなしで平均絶対誤差0.0066に達する。 その後、エピソードを通して連続したオラクルアクセス部分を取り除き、ツインが残りの期間は推定器の出力で実行されなければならない。 推定器+政治パイプラインは3サイクルの予算で0.0092の終端誤差を達成し、未調整双生児では0.2031となる。 部分的に観察可能なウォーターワールドでは、5つのコントローラが3つの隠れパラメータで異なる観測誤差プロファイルを生成し、5つのコントローラの混合で訓練された推定器が、オンラインの正規化エラーの約4-5%に達する。 これらの探索的ケーススタディはアブレーションを制御していないが、データスカースキャリブレーションにおいて、軌跡設計とクエリ割り当てを明示的な設計変数として扱う動機となっている。

関連論文リスト

• Statistical Symmetry Release for Equivariant Quantum Learning [12.042012916861829]
  ハード対称性の制約はモデルの複雑さを減少させるが、ラベル情報を消去することもできる。 統計的対称性の解放は、有限データと量子測度がそのような制約を緩和することを正当化する場合を決定する。
  論文  参考訳（メタデータ） (2026-09-10T12:38:27Z)
• Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
  画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。 我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
  論文  参考訳（メタデータ） (2026-08-14T03:41:30Z)
• Toward Integrating Adaptive Experience Replay and Online Uncertainty Estimation in Safe Actor-Critic Optimal Control [0.0]
  本研究では,制御バリア関数が使用する障害物形状を不確実性推定により更新する統合アーキテクチャを開発する。 本研究では,2次元ロボットナビゲーションタスクのアーキテクチャを,破壊された障害物計測を用いてインスタンス化する。
  論文  参考訳（メタデータ） (2026-08-05T11:55:33Z)
• Caliber: Cross-Architecture Extraction-Cost Control for Score-Returning APIs [27.21644231867863]
  Caliberは、キャリブレーション問題としてノイズ選択を定式化するモデル抽出に対する防御である。 知識蒸留に返却されたスコアを使用する攻撃者に対して、Caliberは独立して同一に分散したガウスノイズを内部ロジットに追加する。 Caliberは、正方形中央2対数辺による雑音分散を正規化し、その結果の雑音効用関係をロジスティック曲線に適合させる。
  論文  参考訳（メタデータ） (2026-08-02T05:58:00Z)
• Target-Aware Linear Regression Under Distribution Shift [2.705806052277982]
  トレーニングとデプロイメントの間の分散シフトは、現代のAIシステムにとって大きな課題である。 我々は、この問題を、ソースとターゲットをまたいで安定な条件平均$E[Ymid X]$で研究する。 両辺縁を併用したハイブリッド損失推定器を,ベンチマーク目標認識推定器として同定する。
  論文  参考訳（メタデータ） (2026-06-22T02:24:50Z)
• Survive or Collapse: The Asymmetric Roles of Data Gating and Reward Grounding in Self-Play RL [76.45061154544568]
  セルフプレイ強化学習は、言語モデルを独自の生成タスクで訓練し、人間ラベルなしでプロジェクタとソルバを共進化させる。 最近のシステムでは強い推理効果が報告されているが、崩壊と不安定性は広く観察され、理解されていない。 代わりに、自己プレイの安定性は、提案者生成タスクがトレーニングプールに入るかを判断するデータレベルゲートと、すでに認められたタスクに関するポリシーを更新する報酬信号の2つの異なるレバーによって管理されていると論じる。
  論文  参考訳（メタデータ） (2026-05-21T09:19:23Z)
• Tokens-per-Parameter Coverage Is Critical for Robust LLM Scaling Law Extrapolation [45.56738584872585]
  ニューラルスケーリング法則は、パラメータカウント$N$とトークンカウント$D$のパワーロー関数として、言語モデルの損失を近似する。 本稿では,コリニア設計がガウス・ニュートン最小二乗問題に固有の不条件を生じさせることを示す。 これを4つのスケーリング法則形式に対して証明し、十分に条件付き推定に十分必要な閉形式TPP多様性閾値を導出する。
  論文  参考訳（メタデータ） (2026-05-08T23:00:17Z)
• Meta-Adaptive Beam Search Planning for Transformer-Based Reinforcement Learning Control of UAVs with Overhead Manipulators under Flight Disturbances [8.618483849755604]
  オーバーヘッドマニピュレータを備えたドローンは、検査、メンテナンス、コンタクトベースのインタラクションにユニークな機能を提供する。 ドローンとそのマニピュレータの動作は強く結びついており、風や制御の欠陥による小さな姿勢の変化でさえ、エンドエフェクターを意図した経路から遠ざける。 変換器をベースとしたDouble Deep Q Learning (DDQN) を用いた強化学習フレームワークを開発した。 これにより、コントローラは実際のモデル上でこれらのアクションを直接実行するのではなく、シミュレーションされたロールアウトを通じてエンドエフェクタの動きを予測できる。
  論文  参考訳（メタデータ） (2026-03-27T17:08:40Z)
• A Variational Estimator for $L_p$ Calibration Errors [44.81527473428586]
  本稿では,$L_p$発散によって誘導される発散による校正誤差を,$L_p$発散によって引き起こされる広いクラス校正誤差をカバーするために,近年の変分フレームワークを拡張して,発散による校正誤差を推定する方法を示す。
  論文  参考訳（メタデータ） (2026-02-27T17:56:52Z)
• Orthogonal Causal Calibration [55.28164682911196]
  我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。 以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
  論文  参考訳（メタデータ） (2024-06-04T03:35:25Z)
• Fast Flux-Activated Leakage Reduction for Superconducting Quantum Circuits [84.60542868688235]
  量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。 パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。 繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
  論文  参考訳（メタデータ） (2023-09-13T16:21:32Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。