論文の概要: GPU-Accelerated Astrodynamics World Models for Spacecraft Rendezvous and Proximity Operations

• arxiv url: http://arxiv.org/abs/2609.03067v1
• Date: Wed, 02 Sep 2026 18:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.836371
• Title: GPU-Accelerated Astrodynamics World Models for Spacecraft Rendezvous and Proximity Operations
• Title（参考訳）: 宇宙用ランデブーのためのGPU加速型天体力学世界モデルと近似演算
• Authors: Duncan Eddy, Isaac R. Ward, Grace Ra Kim, Mykel J. Kochenderfer,
• Abstract要約: 本稿では,協力的・非協力的な宇宙船ランデブーと近接操作に対する世界モデルに基づくアプローチを提案する。 まず、JAXベースのISSドッキング環境を導入し、宇宙船軌道の並列GPUシミュレーションと姿勢ダイナミクスをサポートする。 第2に,トランスフォーマーをベースとした世界モデルであるOut-of-This-World-Modelを導入する。 第3に、ISSと自律ドッキングするカプセルへのアプローチをゾーン制限下で適用し、サンプル効率とタスク性能の向上を実証する。
• 参考スコア（独自算出の注目度）: 21.666726162280696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models are an emerging paradigm in representation learning in which an agent jointly learns state-action dynamics and observation models from offline trajectory data, enabling multi-step planning and trajectory prediction with uncertainty estimates. They have shown strong results in robotics and game environments, but, to the best of our knowledge, have not previously been applied to the space domain. This paper introduces a world model-based approach to cooperative and non-cooperative spacecraft rendezvous and proximity operations. First, we introduce an open-source, JAX-based International Space Station (ISS) docking environment supporting parallel GPU simulation of spacecraft orbit and attitude dynamics, generating the thousands of state-action transitions that world model training requires. Second, we introduce Out-of-this-World-Model, a transformer-based world model that encodes relative kinematic states and body-fixed camera imagery into a latent state and predicts its evolution under commanded thrusts and torques using one-step flow matching. It produces a distribution over future observations, capturing stochastic dynamics and per-timestep uncertainty, and outperforms DreamerV3-style posterior-correction baselines with fewer trainable parameters and hyperparameters. Third, we apply the approach to a capsule autonomously docking with the ISS under keep-out-zone constraints, demonstrating improved sample efficiency and task performance over reinforcement learning baselines (53% versus 29% docking success across ports), better out-of-distribution generalization (on held-out ports the world model more than doubles baseline success, 40% versus 17%), and detection of anomalous objects encountered during approach with 98% classification accuracy. We open-source the simulation environment and model architecture to enable further study of this paradigm.
• Abstract（参考訳）: 世界モデルは、エージェントがオフライン軌跡データから状態-行動力学と観測モデルを共同で学習し、不確実性推定を伴う多段階計画と軌道予測を可能にする、表現学習における新たなパラダイムである。 ロボット工学やゲーム環境では大きな成果を上げていますが、私たちの知る限りでは、これまで宇宙領域には適用されていませんでした。 本稿では,協力的・非協力的な宇宙船ランデブーと近接操作に対する世界モデルに基づくアプローチを提案する。 まず、JAXベースの国際宇宙ステーション(ISS)ドッキング環境を導入し、宇宙船軌道の並列GPUシミュレーションと姿勢ダイナミクスをサポートし、世界モデルトレーニングに必要な何千もの状態遷移を生成する。 第2に、トランスフォーマーをベースとした世界モデルであるOut-of-This-World-Modelを導入する。このモデルでは、相対運動状態とボディー固定されたカメライメージを潜在状態に符号化し、1ステップのフローマッチングを用いて、強制推力とトルクの下でその進化を予測する。 将来の観測結果に分布し、確率力学と時間差の不確かさを捉え、DreamerV3スタイルの後方補正ベースラインよりも、トレーニング可能なパラメータやハイパーパラメータが少ない。 第3に、ISSと自律ドッキングするカプセルへのアプローチを適用し、強化学習ベースライン(ポート間のドッキング成功率53%、ドッキング成功率29%)に対するサンプル効率とタスクパフォーマンスの向上、配当一般化の改善(保留ポートでは、ベースライン成功率40%以上、17%以上)、アプローチ中に遭遇した異常物体の検出を98%の精度で行う。 我々は,シミュレーション環境とモデルアーキテクチャをオープンソース化し,このパラダイムのさらなる研究を可能にする。

関連論文リスト

• HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
  世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。 HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。 実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
  論文  参考訳（メタデータ） (2026-05-11T17:59:56Z)
• Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
  我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。 多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。 本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
  論文  参考訳（メタデータ） (2026-05-07T14:27:48Z)
• Masked Diffusion Language Models are Strong and Steerable Text-Based World Models for Agentic RL [0.8546394944138487]
  我々は、テキストベースの世界モデリングを、初期状態に分解可能な遷移力学問題として定式化する。 我々は、9つのオープンソース環境と12のフロンティアモデルファミリーにまたがる239,403の基底状態行動軌跡をキュレートする。 我々は,決定論的状態チェックを備えたGRPOトレーニングフレームワークを導入し,3つのOOD環境上でゼロショット転送処理を行う。
  論文  参考訳（メタデータ） (2026-05-07T00:40:32Z)
• World2VLM: Distilling World Model Imagination into VLMs for Dynamic Spatial Reasoning [18.658825757342544]
  視覚言語モデル (VLM) は静的視覚理解において高い性能を示した。 彼らは今でも、エゴセントリックな動きの下でのシーンの進化を想像する必要がある、ダイナミックな空間的推論に苦慮している。 生成世界モデルから視覚言語モデルに空間的想像力を蒸留するトレーニングフレームワーク World2VLM を提案する。
  論文  参考訳（メタデータ） (2026-04-29T17:48:01Z)
• Coupled Local and Global World Models for Efficient First Order RL [10.305209288475817]
  本稿では,シミュレータを完全に回避し,実環境とロボットのインタラクションから学習した世界モデル内のRLポリシーをトレーニングする手法を提案する。 提案手法は,FoG法を用いて,大規模拡散モデルを用いた政策訓練を可能にする。 提案手法の有効性をPush-T操作タスクで示し, 試料効率においてPPOを著しく上回る結果を得た。
  論文  参考訳（メタデータ） (2026-02-05T21:57:41Z)
• Causal World Modeling for Robot Control [56.31803788587547]
  ビデオワールドモデルは、アクションと視覚力学の因果関係を理解することによって、近い将来に想像できる能力を提供する。 本稿では,フレーム予測とポリシ実行を同時に学習する自動回帰拡散フレームワークLingBot-VAを紹介する。 シミュレーションベンチマークと実世界のシナリオの両方でモデルを評価したところ、長距離操作、ポストトレーニングにおけるデータ効率、新しい構成への強力な一般化性などに大きな可能性を示唆している。
  論文  参考訳（メタデータ） (2026-01-29T17:07:43Z)
• UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass [83.7071371474926]
  UniSHは、統合されたフィードフォワードフレームワークで、共同でメートルスケールの3Dシーンと人間の再構築を行う。 我々のフレームワークは、シーン再構築とHMRとの違いを強く橋渡しします。 本モデルは,人間中心のシーン再構築における最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-01-03T16:06:27Z)
• GrndCtrl: Grounding World Models via Self-Supervised Reward Alignment [16.343768407636322]
  本稿では,自己指導型ポストトレーニングフレームワークであるReinforcement Learning with World Grounding(RLWG)を紹介する。 このフレームワークをGrndCtrlでインスタンス化する。GrndCtrlは、グループ相対ポリシー最適化(GRPO)に基づく報酬整合型適応手法で、安定な軌道の維持、一貫した幾何、エンボディナビゲーションのための信頼性のあるロールアウトを行う世界モデルを生成する。
  論文  参考訳（メタデータ） (2025-12-01T18:03:29Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• An Efficient Occupancy World Model via Decoupled Dynamic Flow and Image-assisted Training [50.71892161377806]
  DFIT-OccWorldは、分離されたダイナミックフローとイメージアシストトレーニング戦略を活用する、効率的な3D占有世界モデルである。 提案モデルでは, 静止ボクセルはポーズ変換により容易に得られるのに対し, 既存のボクセルフローを用いて既存の観測を歪曲することで, 将来のダイナミックボクセルを予測できる。
  論文  参考訳（メタデータ） (2024-12-18T12:10:33Z)
• Tracking and Planning with Spatial World Models [17.698319441265223]
  本研究では,異なる世界モデルを用いたリアルタイムナビゲーションとトラッキング手法を提案する。 画像と深度観測のみを用いて15Hzの周波数で最大92%の航法成功率を実現した。
  論文  参考訳（メタデータ） (2022-01-25T14:16:46Z)

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。