論文の概要: Motoneuron-Inspired Sampling for Model Predictive Path Integral Control
- arxiv url: http://arxiv.org/abs/2609.28325v1
- Date: Wed, 23 Sep 2026 16:03:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.104147
- Title: Motoneuron-Inspired Sampling for Model Predictive Path Integral Control
- Title（参考訳）: モデル予測経路積分制御のためのMotoneuron-Inspired Smpling
- Abstract要約: 運動ニューロンにインスパイアされた提案であるSpike-MPPIを導入し、時間的に構造化された摂動を生成する。
Spike-MPPIは、トルクアクティベートされたMuJoCo Antモデル上で、共通のMPPIフレームワーク内で評価される。
その結果、構造化サンプリングは実行制御のスムーズさを大幅に改善する一方、タスク性能への影響はロールアウト条件とロボットの動作に依存することがわかった。
- 参考スコア（独自算出の注目度）: 0.3093890460224435
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Model Predictive Path Integral (MPPI) control relies on stochastic trajectory sampling, and its performance under limited rollout budgets depends strongly on the structure of the proposal distribution. Standard implementations commonly perturb control sequences with Gaussian noise, despite growing evidence that temporally correlated and structured sampling can improve finite-budget control. We introduce Spike-MPPI, a motoneuron-inspired proposal that generates temporally structured perturbations through a simplified model of motoneuron dynamics. The proposal is evaluated within a common MPPI framework on torque-actuated and antagonistically actuated MuJoCo Ant models against standard Gaussian sampling and spectrum-matched Gaussian controls. Results show that structured sampling substantially improves executed-control smoothness, while its effect on task performance depends on rollout condition and robot actuation. Spectrum matching reproduces a substantial part of the observed behavior, while the full Spike proposal retains additional effects beyond second-order spectral structure. These results support treating proposal design as a combination of second-order spectral structure and higher-order statistical organization.
- Abstract（参考訳）: モデル予測経路積分(MPPI)制御は確率的軌道サンプリングに依存し, 限られたロールアウト予算下での性能は提案分布の構造に強く依存する。
標準実装では、時間的相関と構造的サンプリングが有限予算制御を改善するという証拠が増大しているにもかかわらず、ガウス雑音を伴う制御シーケンスを摂動させるのが一般的である。
本稿では,運動ニューロンにインスパイアされたSpike-MPPIを提案する。
この提案は、標準ガウスサンプリングとスペクトル整合ガウス制御に対して、トルクアクティベートおよびアンタゴニスト駆動のMuJoCo Antモデルに関する共通のMPPIフレームワークで評価される。
その結果、構造化サンプリングは実行制御のスムーズさを大幅に改善する一方、タスク性能への影響はロールアウト条件とロボットの動作に依存することがわかった。
スペクトルマッチングは観測された振る舞いのかなりの部分を再現する一方、完全なスパイク提案は2階スペクトル構造以外の追加効果を保っている。
これらの結果は,2次スペクトル構造と高次統計構造の組み合わせによる提案設計の扱いを支援する。
関連論文リスト
- Evolution-Aware MSA Reasoning for Subsampling via Factor Graphs [55.715754117956514]
複数のシーケンスアライメントは、明示的な進化コンテキストを持つタンパク質言語モデルを提供する。
MSAサブサンプリングは限定的なトークン予算では避けられない。
本稿では,因子グラフ推論を用いて固定予算MSAサブセットを推定するAP-REASONERを提案する。
論文 参考訳（メタデータ） (2026-07-24T13:55:21Z) - MP-MPPI: A Motion Primitive Guided Sampling-Based Optimizer for Model Predictive Control [1.5876186619446135]
本稿では, モデル予測経路積分法(MPPI)を運動プリミティブで拡張し, 新たな構造サンプリング手法を提案する。
提案手法は, リアルタイム制御に必要な高速でリアクティブな動作を維持しつつ, 制御空間の探索を促進できることが実証された。
論文 参考訳（メタデータ） (2026-07-07T10:34:16Z) - D2PO: Optimizing Diffusion Samplers via Dynamic Preference [55.530862428116244]
D2POは拡散サンプリングポリシーを最適化するための原則的なフレームワークである。
動的選好を導入し、アライメントに使用するサンプルを徐々に改善する。
実験により、D2POは拡散サンプリング器と知覚的品質をより忠実に整列することが示された。
論文 参考訳（メタデータ） (2026-07-07T06:05:42Z) - Hierarchical Policy Learning via Spectral Decomposition [58.65543693788772]
ロボットの動作シーケンスにおける意味的分解を識別し,タスクレベルの動作意図と実行レベルの改善を分離する。
本稿では, 因果的粗大化過程として行動生成をモデル化した因果スペクトルポリシー(CSP)を提案する。
CSPは、精度に敏感な操作タスクにおいて、強いベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-06-28T19:22:40Z) - GTS: Inference-Time Scaling of Latent Reasoning with a Learnable Gaussian Thought Sampler [54.10960908347221]
我々は、学習可能な密度から条件付きサンプリングとして潜在思考探索をモデル化し、このアイデアをガウス思想サンプリング(GTS)としてインスタンス化する。
GTSは、連続的推論状態における文脈依存摂動分布を予測し、バックボーンを凍結させながらGRPOスタイルのポリシー最適化を訓練する。
論文 参考訳（メタデータ） (2026-02-15T09:57:47Z) - Piecewise Deterministic Markov Processes for Bayesian Inference of PDE Coefficients [0.16311150636417257]
我々は,部分的決定論的マルコフプロセス(PDMP)サンプリングのためのフレームワークを開発する。
GP系サロゲートを用いたPDMPサンプリング装置は, フォワードモデル評価において, 精度が高く, 有効試料サイズが向上する。
論文 参考訳（メタデータ） (2026-02-05T11:29:53Z) - Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。
また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文 参考訳（メタデータ） (2026-02-02T21:33:03Z) - HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control [55.015741360766945]
本稿では,高速なチューニングと低速なチューニングを組み合わせた階層型プロアクティブチューニング(HPTune)フレームワークを提案する。
我々はHPTuneをドップラーLiDARと統合し、位置のみの測定とは別に障害物速度を提供し、運動予測を強化した。
安全でアジャイルな衝突回避戦略を定式化することにより,HPTuneは状況調整型動作計画を可能にする。
論文 参考訳（メタデータ） (2026-01-29T07:15:39Z) - Robust Model Predictive Control Design for Autonomous Vehicles with Perception-based Observers [5.388633782438152]
本稿では、状態推定に使用されるディープラーニングに基づく知覚モジュールに固有の非ガウス雑音を明示的に扱う。
セットベースの状態推定と制約付きゾノトープを用いて、偏りのある重み付き不確かさをキャプチャする。
知覚認識型MPCは、重音条件下での安定かつ正確な制御性能を提供する。
論文 参考訳（メタデータ） (2025-09-05T16:03:57Z) - A Strategy for Preparing Quantum Squeezed States Using Reinforcement Learning [0.0]
非古典的状態を生成するために,強化学習を工学的制御分野に適用する手法を提案する。
強化学習剤は、コヒーレントスピン状態から発生する制御パルスの時間シーケンスを決定する。
この研究は、他の量子系を操作するための応用の道を開いた。
論文 参考訳（メタデータ） (2024-01-29T17:23:25Z) - Bayesian Optimisation for Robust Model Predictive Control under Model
Parameter Uncertainty [26.052368583196426]
本稿では,モデル予測制御(MPC)ハイパーパラメータのチューニングのための適応最適化手法を提案する。
本研究では,異種難聴モデルを用いたベイズ最適化 (BO) アルゴリズムを開発し,様々なノイズに対処する。
実験結果から,本手法はより高い累積報酬とより安定したコントローラをもたらすことが示された。
論文 参考訳（メタデータ） (2022-03-01T15:33:21Z)
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。