論文の概要: Distributed Stochastic Optimal Control for Pattern-Oriented Swarms
- arxiv url: http://arxiv.org/abs/2609.12959v2
- Date: Mon, 14 Sep 2026 01:42:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.103525
- Title: Distributed Stochastic Optimal Control for Pattern-Oriented Swarms
- Title（参考訳）: パターン指向スワムの分散確率最適制御
- Abstract要約: コントロール、セルフロータ、安全な環境におけるパターン指向のSwarmは、多様なアプリケーションに対して大きな約束を提供する。
本稿では,統一確率的アーキテクチャにおいて,これらの課題に対処する最適な分散制御フレームワークの課題について述べる。
- 参考スコア（独自算出の注目度）: 7.5152482124458695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While offering significant promise for diverse applications, pattern-oriented swarms encounter multifaceted challenges in geometric control, self-organization, and safe navigation through dynamic environments. In this paper, we present a GRF-based stochastic optimal control framework to address these challenges within a unified probabilistic architecture. By extending the GRF into the temporal domain, the proposed framework casts collective coordination as a Bayesian inference task, enabling swarms to accommodate environmental uncertainty, satisfy non-convex constraints, and reconcile heterogeneous dynamics across diverse platforms. We develop an uncertainty- and safety-aware collision avoidance module for navigation in the presence of stochastic obstacle motion. The unscented transform is employed to propagate state uncertainty for both dynamic obstacles and neighboring agents, yielding principled confidence bounds for collision avoidance. In addition, density-guided pattern control is introduced, which encodes geometric patterns as implicit density fields. This representation decouples pattern specification from explicit agent-to-target assignments, thereby facilitating intrinsic self-healing and elastic reconfiguration in a distributed manner. The proposed framework is extensively evaluated through Monte Carlo simulations across diverse scenarios. Its model-agnostic nature is demonstrated on both quadrotor and fixed-wing UAV swarms, highlighting its generalizability across platforms with heterogeneous dynamics. Finally, the efficacy and robustness of the proposed method are validated through indoor experiments with a 15-quadrotor swarm and outdoor deployments involving 4 custom-built autonomous quadrotors. These experiments substantiate the proposed framework's capacity to maintain reliable geometric pattern transitions and safety-aware navigation within real-world environments.
- Abstract（参考訳）: 多様なアプリケーションに対して大きな約束を提供する一方で、パターン指向のSwarmは、幾何学的制御、自己組織化、動的環境への安全なナビゲーションにおいて、多面的な課題に直面している。
本稿では,GRFに基づく確率的最適制御フレームワークを提案する。
GRFを時間領域に拡張することにより、提案フレームワークはベイズ推論タスクとして集合的コーディネーションをキャストし、Swarmが環境の不確実性に対処し、非凸制約を満足し、多様なプラットフォーム間で不均一なダイナミクスを調整できるようにする。
我々は,確率的障害物運動の存在下でのナビゲーションのための不確実かつ安全を意識した衝突回避モジュールを開発した。
この非セント変換は、動的障害物と近接エージェントの両方の状態不確かさを伝播させ、衝突回避のための原理化された信頼境界を与える。
さらに、暗黙の密度場として幾何学的パターンをエンコードする密度誘導パターン制御を導入している。
この表現は、明示的なエージェントとターゲットの割り当てからパターン仕様を分離し、本質的な自己修復と弾性的な再構成を分散的に容易にする。
提案手法はモンテカルロシミュレーションにより様々なシナリオで広く評価されている。
そのモデルに依存しない性質は、四重項と固定翼UAV群の両方で示され、不均一な力学を持つプラットフォーム間の一般化性を強調している。
最後に, 提案手法の有効性とロバスト性について, 15クワッドロータ群を用いた室内実験および4つのカスタムクワッドロータを用いた屋外展開実験により検証した。
これらの実験は、現実世界の環境において、信頼性の高い幾何学的パターン遷移と安全に配慮したナビゲーションを維持するためのフレームワークの能力を裏付けるものである。
関連論文リスト
- A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning [10.027004863448854]
そこで本稿では, 最適性と行動前処理を適応的にバランスさせる状態依存重み付きKL正規化動的ゲームを提案する。
正規化局所ゲームの一点当たりの well-posedness を確立し、適応重み付け関数が有界な名目軌道更新の下でリプシッツ連続であることを示す。
論文 参考訳（メタデータ） (2026-08-03T03:15:37Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy [51.758416625168]
ランダムな平滑化は、敵の摂動に対する堅牢性を証明するための強力なツールである。
本稿では,複雑な構成機構の認証のためのフレームワークを提案する。
複雑な脅威モデル下での堅牢性を証明するために複合メカニズムを使用するための原則的で一般的なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-05-20T22:17:29Z) - Surviving the Unseen: Predictive Defense for Novel Multi-Turn Multimodal Attacks [0.0]
本稿では,動的生存予測と軌道力学問題として安全検証を定式化する。
マルチモーダルおよびマルチターン対話フローを連続軌道としてマッピングする予測モデルとして,トリプル層異常防御(TRIAD)フレームワークが提案されている。
論文 参考訳（メタデータ） (2026-05-18T18:06:20Z) - Anticipatory Reinforcement Learning: From Generative Path-Laws to Distributional Value Functions [0.0]
本稿では,非マルコフ決定プロセスと古典的強化学習アーキテクチャのギャップを埋める新しいフレームワークである予測強化学習(ARL)を紹介する。
ジャンプ拡散と構造破壊によって特徴づけられる環境では、伝統的な状態に基づく手法は、正確なフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホ
論文 参考訳（メタデータ） (2026-04-06T13:15:44Z) - Gaussian Joint Embeddings For Self-Supervised Representation Learning [0.0]
自己パラメトリック表現学習は、しばしば決定論的予測アーキテクチャに頼り、潜在空間におけるコンテキストとターゲットビューを整列させる。
生成的関節モデルに基づく確率的代替案を提案する。
論文 参考訳（メタデータ） (2026-03-26T00:54:54Z) - Distributionally Robust Control with End-to-End Statistically Guaranteed Metric Learning [5.309590159815129]
我々は、新しいエンドツーエンド有限ホライズン・ワッサーシュタイン DRC フレームワークを提案する。
これは、異方性ワッサースタインメトリクスの学習と下流制御タスクを閉ループ方式で統合する。
提案手法は,最先端手法と比較して,クローズドループ性能とロバスト性に優れることを示す。
論文 参考訳（メタデータ） (2025-10-11T13:40:49Z) - Robust Optimization with Diffusion Models for Green Security [49.68562792424776]
グリーンセキュリティでは、効果的パトロールを計画するためには、密猟、違法伐採、違法漁などの敵の行動を予測する必要がある。
本稿では,その強い分布適合性を利用した逆挙動モデリングのための条件付き拡散モデルを提案する。
混合戦略の混合戦略を導入し, 正確なサンプリングを行うために, ツイスト型シークエンシャルモンテカルロ (SMC) サンプリング装置を用いる。
論文 参考訳（メタデータ） (2025-02-19T05:30:46Z) - Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。
連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-12-23T21:27:19Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-08T04:09:13Z)
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。