論文の概要: Spacecraft Rendezvous Trajectory Generation with Modular Constraints via Diffusion Model Composition

• arxiv url: http://arxiv.org/abs/2610.05642v1
• Date: Mon, 05 Oct 2026 00:39:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 12:21:41.153052
• Title: Spacecraft Rendezvous Trajectory Generation with Modular Constraints via Diffusion Model Composition
• Title（参考訳）: 拡散モデル合成によるモジュラ制約による宇宙用ランデブー軌道生成
• Abstract要約: 共振器と近接動作のための拡散型軌道生成手法を提案する。 このフレームワークは,学習したアプローチコーンモデルと学習したセンサライン・オブ・ビューモデルを組み合わせて検証する。 以上の結果から,我々の構成拡散フレームワークはRPO軌道設計にモジュラーアプローチを適用可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.5824917224496621
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emerging mission classes such as on-orbit servicing, satellite inspection, and active debris removal require trajectory design methods that are adaptable to a variety of mission scenarios. We present a diffusion-based trajectory generation approach for rendezvous and proximity operations (RPO) that enables flexible configuration of mission constraints. First, individual energy-based diffusion models are trained to satisfy distinct constraints such as approach cone and sensor line-of-sight from a set of optimized trajectories. Then, at inference time, the learned energy models can be composed with one another, or with an analytically defined energy field, to enforce specific constraint combinations. We validate this framework with the composition of a learned approach cone model and a learned sensor line-of-sight model, as well as a learned approach cone model and synthetic obstacle avoidance model, both of which yield constraint satisfaction rates that are within 1 percentage point of the single-constraint models or higher. These results indicate that our compositional diffusion framework can provide a modular approach to RPO trajectory design and enable reconfiguration for new constraint combinations without requiring model retraining.
• Abstract（参考訳）: 軌道上サービス、衛星検査、アクティブデブリ除去といった新しいミッションクラスは、様々なミッションシナリオに適応可能な軌道設計手法を必要とする。 本稿では, ミッション制約の柔軟な構成を実現するために, ランデブーと近接操作(RPO)の拡散に基づく軌道生成手法を提案する。 第一に、個別のエネルギーベース拡散モデルは、最適化された軌道の集合からアプローチコーンやセンサーラインオブビューのような異なる制約を満たすように訓練される。 そして、推論時に、学習されたエネルギーモデルが互いに、あるいは解析的に定義されたエネルギー場によって構成され、特定の制約の組み合わせを強制することができる。 本研究では,学習したアプローチコーンモデルと学習したセンサラインオブビューモデルと,学習したアプローチコーンモデルと合成障害物回避モデルを組み合わせて,この枠組みを検証した。 これらの結果から, 構成拡散フレームワークは, RPO軌道設計へのモジュラーアプローチを提供し, モデル再学習を必要とせず, 新たな制約組合せの再構成を可能にすることが示唆された。

関連論文リスト

• Neural Field Ensembles for Aerodynamic Surface Prediction: Winning Solution to the ONERA CRM Wall Distribution 2025 Challenge [0.0]
  本稿では,ONERA CRM Wall Distribution Regression Challengeで最初に達成された方法論について述べる。 これはNASAのコモン・リサーチ・モデル(Common Research Model)ウィング・ボディ・パイロン・ナセル構成上の圧力と摩擦係数の分布を予測することに焦点を当てている。 提案手法は, 空間座標, 表面正規化, および空力壁量に対する操作条件を条件付きニューラルネットワークとして定式化する。
  論文  参考訳（メタデータ） (2026-09-15T13:27:37Z)
• Composition and Alignment of Diffusion Models using Constrained Learning [79.36736636241564]
  拡散モデルは、複雑な分布からサンプルを採取する能力により、生成的モデリングにおいて普及している。 i) 拡散モデルを微調整して報酬と整合させるアライメントと、(ii) 予め訓練された拡散モデルを組み合わせて、それぞれが生成した出力に望ましい属性を強調する合成である。 本稿では,共役モデルが報酬制約を満たすこと,あるいは(潜在的に複数の)事前学習モデルに近づき続けることを強制することによって,拡散モデルのアライメントと構成を統一する制約付き最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-26T15:06:30Z)
• Modular Delta Merging with Orthogonal Constraints: A Scalable Framework for Continual and Reversible Model Composition [0.0]
  既存のモデルマージと継続的学習へのアプローチは、しばしばタスクの干渉、破滅的な忘れ込み、あるいは可逆性の欠如に悩まされる。 本稿では, 拡張性, 干渉フリー, 微調整モデルの構成が可能な新しいフレームワークである Orthogonal Constraints (MDM-OC) を用いた Modular Delta Merging を提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:08:49Z)
• Diffusion Policies for Generative Modeling of Spacecraft Trajectories [1.2074552857379275]
  トラジェクトリ生成のための現在の機械学習ベースの方法における重要な欠点は、大きなデータセットを必要とすることである。 本研究では,構成拡散モデルを用いて分布外データに効率よく適応する。 推定時間6DoF最小着陸地点選択のための構成拡散モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2025-01-01T18:22:37Z)
• Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
  本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。 提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
  論文  参考訳（メタデータ） (2024-02-05T22:18:16Z)
• Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
  自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。 SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。 SFSCは評価データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-16T16:46:32Z)
• Planning with Diffusion for Flexible Behavior Synthesis [125.24438991142573]
  我々は、できるだけ多くの軌道最適化パイプラインをモデリング問題に折り畳むことがどう見えるか検討する。 我々の技術的アプローチの核心は、軌道を反復的にデノベーションすることで計画する拡散確率モデルにある。
  論文  参考訳（メタデータ） (2022-05-20T07:02:03Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)

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。