論文の概要: Informationally Decoupled Trajectory Design for Sim-to-Real System Identification

• arxiv url: http://arxiv.org/abs/2610.10905v1
• Date: Wed, 07 Oct 2026 21:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.671885
• Title: Informationally Decoupled Trajectory Design for Sim-to-Real System Identification
• Title（参考訳）: Sim-to-Realシステム同定のための情報分離軌道設計
• Abstract要約: 我々はIDTD(Informationally Decoupled Trajectory Design framework)を紹介する。 IDTDは、フィッシャー情報行列から派生したシュア補数スコアに基づく探索政策の目的を定式化する。 そこで本研究では,実際のK1ヒューマノイド上での軌道設計を検証し,同定されたパラメータが実システム力学を正確に捉えることを示した。
• 参考スコア（独自算出の注目度）: 11.683733996778109
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sampling-based system identification estimates physically meaningful parameters by tuning a simulator to reproduce the target system dynamics, providing an interpretable approach to improving sim-to-real transfer. Yet when the collected trajectories do not distinguish the effects of different parameters, multiple parameter combinations can reproduce those trajectories, leading to unreliable parameter estimates. To address this challenge, we introduce an Informationally Decoupled Trajectory Design framework (IDTD), which formulates the objective for the exploration policy built on the Schur complement score derived from the Fisher information matrix. To faithfully reflect parameter separability in the exploration objective, IDTD normalizes the score against the per-parameter information, selects the most favorable trajectory segment for each parameter, and aggregates the resulting scores logarithmically. The optimized trajectory is therefore composed of complementary intervals, each exposing a distinct subset of parameters whose contribution to the motion over that interval can be attributed unambiguously. Across diverse simulation environments, ranging from a linear-dynamics system to the Go2 quadruped, G1 humanoid, and Crazyflie quadrotor, IDTD reduces the parameter identification error by 39.6% on average relative to the strongest prior active-exploration baseline and attains improved downstream policy transfer. Furthermore, we validate the proposed trajectory design on a real K1 humanoid, demonstrating that the resulting identified parameters accurately capture the real-system dynamics.
• Abstract（参考訳）: サンプリングベースのシステム識別は、シミュレータをチューニングしてターゲットシステムのダイナミクスを再現することにより、物理的に有意なパラメータを推定し、シミュレート・トゥ・リアル・トランスファーを改善するための解釈可能なアプローチを提供する。 しかし、収集された軌跡が異なるパラメータの影響を区別しない場合、複数のパラメータの組み合わせはこれらの軌跡を再現することができ、信頼できないパラメータ推定につながる。 この課題に対処するために、フィッシャー情報行列から導出したシュア補数スコアに基づく探索政策の目的を定式化するIDTD(Informationally Decoupled Trajectory Design framework)を導入する。 探索目標におけるパラメータ分離性を忠実に反映するため、IDTDはパラメータごとの情報に対してスコアを正規化し、各パラメータに対して最も好適な軌道セグメントを選択し、結果のスコアを対数的に集計する。 したがって、最適化された軌跡は相補的な区間で構成され、それぞれがその区間上での運動への寄与があいまいに説明できるパラメータの異なる部分集合を露呈する。 線形力学系からGo2四重項系、G1ヒューマノイド、クラジフリー四重項系まで、様々なシミュレーション環境において、IDTDはパラメータ識別誤差を最強のアクティブ探索ベースラインに対する平均で39.6%削減し、下流の政策伝達を改善する。 さらに,実際のK1ヒューマノイド上での軌道設計を検証し,同定されたパラメータが実システム力学を正確に捉えることを示した。

関連論文リスト

• Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation [0.0]
  提案するフレームワークはロボット非依存であり,ガゼボを用いたシミュレーションにおいて,Unitree Go2の4倍の精度で評価されている。 完全なシステムは、デプロイ時に最大90.0%のナビゲーション成功率を達成するとともに、シミュレーション環境全体の評価指標を平均38.9%改善する。
  論文  参考訳（メタデータ） (2026-06-08T16:08:09Z)
• Hierarchically Decoupled Mixture-of-Experts for Robust Traffic Sign Recognition in Complex Driving Scenarios [6.121863091287242]
  CBDES MoE TSRは、交通信号認識のための階層的に分離されたヘテロジニアス混合物(MoE)フレームワークである。 ゲーティングモジュールは、入力画像の意味特性に基づいて、エキスパートプールから最も適したエキスパートモデルを選択的に活性化する。 実験結果から,本手法は検出精度と効率の相違が顕著であることがわかった。
  論文  参考訳（メタデータ） (2026-06-01T07:39:44Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Parameter Efficient Fine-tuning via Cross Block Orchestration for Segment Anything Model [81.55141188169621]
  PEFTにクロスブロックオーケストレーション機構を組み、SAM(Segment Anything Model)の様々な下流シナリオへの適応を可能にする。 本稿では,超複素層から重みが生じる線形射影ヘッドを導入するブロック内拡張モジュールを提案する。 提案手法は,約1Kのパラメータのみを付加した新規シナリオにおいて,セグメンテーション性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-11-28T11:23:34Z)
• Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
  トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。 最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。 本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
  論文  参考訳（メタデータ） (2023-07-13T08:35:40Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Optimizing Vessel Trajectory Compression [71.42030830910227]
  前回の研究では,AISの位置情報をオンラインで消費することで,血管軌跡の要約表現を提供するトラジェクトリ検出モジュールを導入しました。 この手法は、生データの少なくとも70%を冗長として廃棄することにより、元のコースからほとんど逸脱しない信頼性の高い軌道合成を提供することができる。 しかし、そのような軌道圧縮はパラメトリゼーションに非常に敏感である。 各容器のタイプを考慮し, 軌道のシナプスを改良する適切な構成を提供する。
  論文  参考訳（メタデータ） (2020-05-11T20:38:56Z)
• Adversarial Generation of Informative Trajectories for Dynamics System Identification [3.664687661363732]
  制御パラメータと慣性パラメータ空間の両方で異なる励起トラジェクトリを生成する方法を示す。 これは、複数の循環軌道を持つシステム識別を探索する最初のロボティクスである。 また、データセットの生成速度と品質を高めることにより、このアプローチをさらに拡張する方法を示す。
  論文  参考訳（メタデータ） (2020-03-02T21:09:18Z)
• Online Parameter Estimation for Safety-Critical Systems with Gaussian Processes [6.122161391301866]
  オンラインパラメータ推定のためのガウス過程(GP)に基づくベイズ最適化フレームワークを提案する。 パラメータ空間の応答面上の効率的な探索戦略を用いて、最小限の機能評価で大域最適解を求める。 我々は,パラメータの変化を考慮したシミュレーションにおいて,アクティベートされた平面振子と安全臨界振子について実演する。
  論文  参考訳（メタデータ） (2020-02-18T20:38:00Z)

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。