論文の概要: Reachability-Informed Reinforcement Learning for Multi-Impulse Interplanetary Transfers

• arxiv url: http://arxiv.org/abs/2610.01344v1
• Date: Thu, 01 Oct 2026 09:16:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.024919
• Title: Reachability-Informed Reinforcement Learning for Multi-Impulse Interplanetary Transfers
• Title（参考訳）: マルチインパルス惑星間移動のための到達可能性インフォームド強化学習
• Abstract要約: 本稿では,惑星間移動決定のための到達可能性解析インフォームド強化学習について述べる。 学習された意思決定プロセスの中心に中間的な経路選択を配置する。 平均演算コストは10.23 km/sで、検証済みの局所凸プログラミング基準より1.72%高い。
• 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: Reinforcement learning offers the prospect of a reusable sequential decision-making mechanism for spacecraft trajectory design, motivating policy interfaces that connect learned decisions to the underlying maneuver geometry. This paper develops Reachability Analysis-Informed Reinforcement Learning (RARL) for deterministic multi-impulse interplanetary transfers, placing intermediate waypoint selection at the center of the learned decision process. Local first-order reachability maps bounded velocity perturbations into an ellipsoidal set of next-node positions, within which the policy selects its waypoint. Lambert reconstruction then determines the corresponding maneuver to reach this selected waypoint along a dynamically consistent ballistic arc, coupling learned transfer-geometry selection with classical astrodynamics. A terminal two-impulse reconstruction completes the rendezvous, supported by a linear maneuver-demand assessment used for reward shaping. Numerical studies characterize this interface on a two-body Earth-Mars benchmark. Across three independent training runs, RARL achieves a mean maneuver cost of 10.23 km/s, 1.72% above a validated local sequential convex programming reference. Training over dispersed initial states extends policy reuse across a departure family with fixed target state and transfer duration. Each of the three independently trained multi-state policies completes all 10,000 held-out Monte Carlo departures without impulse-cap violations, compared with a mean feasibility rate of 6.49% for single-state policies. This broader sampled feasibility is accompanied by a 0.61% increase in mean nominal maneuver cost, without further training across departures. These results demonstrate that a reachability-informed decision interface supports benchmark-quality trajectory construction and policy reuse across dispersed departure conditions.
• Abstract（参考訳）: 強化学習は、宇宙船軌道設計のための再利用可能なシーケンシャルな意思決定メカニズムの見通しを提供する。 本稿では, 決定論的マルチインパルス惑星間移動のためのReachability Analysis-Informed Reinforcement Learning (RARL) を開発した。 局所的な一階到達性は、境界速度摂動を次のノード位置の楕円形集合にマッピングする。 ランベルト再構成は、この選択された経路点に到達するための対応する操作を動的に一貫した弾道弧に沿って決定し、古典的な天体力学と学習された遷移幾何学的選択を結合する。 端末2インパルスリコンストラクションは、報酬形成に使用される線形操作要求アセスメントによって支持されたランデブーを完了させる。 数値的研究は、このインターフェースを2ボディのアースマーズベンチマークで特徴づける。 RARLは3回の独立した訓練で10.23km/sの平均演算コストを1.72%上回った。 分散初期状態に対するトレーニングは、一定の目標状態と移行期間を持つ離脱家族間でポリシーの再利用を拡張する。 独立に訓練された3つの多州政策のそれぞれが、インパルスキャップ違反のないモンテカルロからの1万件の出発を完了している。 このより広範なサンプル化実現可能性には、出発点を越えてのさらなる訓練を行わずに、平均的操作コストが0.61%増加した。 これらの結果から, 到達性インフォームド決定インタフェースは, 分散した離脱条件をまたいだベンチマーク品質の軌道構築と政策再利用をサポートすることが示された。

関連論文リスト

• RoXDrive: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving via Action-Faithful Rollouts [98.41251854883184]
  強化学習(RL)ポストトレーニングは、現在のアプローチに代わる有望な代替手段を提供する。 ビデオワールドモデルは、現実的な多段階の将来のロールアウトを生成する能力を示したが、アクション条件を忠実に反映しないかもしれない。 本稿では,信頼性の高いポリシ最適化を実現するプラグイン・アンド・プレイクローズドループRLフレームワークであるRoXDriveを紹介する。
  論文  参考訳（メタデータ） (2026-09-29T06:59:50Z)
• From Target Selection to Digging: A Learning-Based Framework for Continuous Autonomous Excavation [20.435874483015635]
  繰り返し掘削は杭の形状を再現し、自律的な掘削機が掘削目標に適応し、連続した掘削サイクルを横切る動きを調整する必要がある。 地形認識型目標選択と強化型および模倣型学習コントローラを統合した,連続的な自律的掘削のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-24T13:01:26Z)
• Learning-Guided Planning in Large Dynamic Action Spaces: Budgeted Tree Search for One-to-Many Mobile Charging [0.0]
  LP-BTSは学習誘導型計画アーキテクチャである。 単一の凍結チェックポイントは、評価されたすべての設定をカバーし、736から2,813停止までのアクション宇宙をカバーしている。 結果は、大規模で動的な行動空間における学習誘導計画に関する制御された証拠を提供する。
  論文  参考訳（メタデータ） (2026-09-15T16:42:12Z)
• EgoPathBench: Evaluating Zero-Shot Egocentric Waypoint Decision-Making in Vision-Language Models [16.934625141022405]
  ゼロショットのウェイポイントナビゲーションでは、現在の1対1の観察からエージェントに可能な一連の空間的アクションを選択し、目標に到達するために視覚言語モデルが必要である。 EgoPathBenchは1対1のウェイポイント意思決定のためのデータセットと5タスクのベンチマークである。 EgoPathBenchには31,852のトレーニング、1,345のバリデーション、1,111のベンチマーク質問があり、各ルート質問に対して少なくとも1つの幾何学的に検証された参照ルートが保持されている。
  論文  参考訳（メタデータ） (2026-09-15T04:14:45Z)
• CORAL: Curriculum-Optimized Reward Adaptation for LiDAR-Based Goal-Directed Urban Driving [0.0]
  コーラルは5段階のカリキュラムであり、経路を徐々に延長し、行動制約を厳しくする。 同じ100-150mのルートで68-98%のエピソードが成功し、平均側方偏差は0.35m以下である。
  論文  参考訳（メタデータ） (2026-08-14T14:22:05Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• AcroRL: Learning Aggressive Quadrotor Inversion using Bidirectional Thrust [1.7394635819080972]
  双方向推力は2番目の平衡条件を与え、制御権限を増大させる。 従来の幾何学的制御手法は、双方向スラストをサポートするためにホップフィブレーションに基づく姿勢表現を通じて微分平坦性を拡張する。 本研究では,一定の基準軌道を変調して,コンパクトで位置制約のある四元数逆変換を行う学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-23T00:02:22Z)
• Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail [85.47497935739936]
  Alpamayo-R1 (AR1) は、因果推論の連鎖と軌道計画を統合する視覚言語モデルである。 また,AR1は,軌道のみのベースラインに比べて,難問の計画精度が12%向上することを示した。 今後のアップデートで、AR1モデルとCoCのサブセットをリリースする予定です。
  論文  参考訳（メタデータ） (2025-10-30T01:25:34Z)
• Lookahead Tree-Based Rollouts for Enhanced Trajectory-Level Exploration in Reinforcement Learning with Verifiable Rewards [48.321707628011005]
  Lookahead Tree-Based Rollouts (LATR) は、軌道レベルの多様性を明確に促進するために設計された新しいロールアウト戦略である。 LATRはポリシー学習を平均で131%加速し、最終パス@1パフォーマンスを4.2%向上させる。
  論文  参考訳（メタデータ） (2025-10-28T11:12:02Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)

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。