論文の概要: Phase-Gated Constrained Reinforcement Learning for End-to-End Capture and Detumbling of Non-Cooperative Targets
- arxiv url: http://arxiv.org/abs/2610.15491v1
- Date: Sun, 11 Oct 2026 09:46:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 18:19:43.372774
- Title: Phase-Gated Constrained Reinforcement Learning for End-to-End Capture and Detumbling of Non-Cooperative Targets
- Title（参考訳）: 非協調的目標の終端キャプチャとデタブルのための位相学習型制約強化学習
- Abstract要約: 一つの制約付き強化学習政策が全ミッションを遂行可能であることを示す。
有効機構は、マルコフ決定過程の3つの軌跡に適用される滑らかな近接ゲートである。
1000以上のランダム化試験は99.5%で成功し、接触力、アクチュエータ、ベース・リアクション、衝突の限界を保っている。
- 参考スコア（独自算出の注目度）: 1.0086996758938032
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Active debris removal requires a servicer spacecraft to approach a non-cooperative tumbling object, capture it, and arrest its rotation. This sequence is conventionally divided among phase-specific controllers, each depending on knowledge of the target's inertia, a dedicated grappling fixture, or a hand-designed switch at the contact-rich seam where such pipelines are most fragile. We show that a single constrained reinforcement learning policy can execute the entire mission, driving a dual-arm free-flying servicer from free-space closing through friction-based fixture-free capture to full detumbling of a target whose mass and inertia are unknown and whose state is observed only through noisy estimates. The enabling mechanism is a smooth proximity gate applied at three loci of a constrained Markov decision process. In the reward it induces the phase structure rather than imposing it; in the action space it forecloses a degenerate grab-and-pull exploit as a hard guarantee; and in the constraint set it resolves a normalization failure of constraint-based learning, in which a constraint spanning phases that load it unequally is rendered nearly inert in the phase where precision matters most. Both the failure mode and the remedy apply to any multi-phase problem of this kind. Over 1000 randomized trials the policy succeeds in 99.5% while holding its contact-force, actuator, base-reaction and collision limits throughout, transfers zero-shot to unseen geometries and centre-of-mass offsets, and extrapolates across a tenfold range of target mass.
- Abstract（参考訳）: アクティブデブリの除去には、ボイジャー宇宙船が非協力的なタンブリング物体に接近し、捕獲し、回転を停止する必要がある。
このシーケンスは、通常、フェーズ固有のコントローラに分割され、それぞれがターゲットの慣性、専用のグリップリングフィクスチャ、またはそのようなパイプラインが最も脆弱なコンタクトリッチシームで設計されたスイッチの知識に依存する。
一つの制約付き強化学習政策がミッション全体を実行可能であることを示し、二重アームフリーフライングサービス業者を摩擦によるフィクスチャフリー捕獲による自由空間閉鎖から、質量と慣性が不明でノイズの多い推定によってのみ観測されるターゲットの完全な破壊へと駆り立てる。
有効機構は、マルコフ決定過程の3つの軌跡に適用される滑らかな近接ゲートである。
アクション空間では退化したゲット・アンド・プルのエクスプロイトをハード・保証として偽装し、制約セットでは制約ベースの学習の正規化失敗を解消する。
障害モードと治療の両方がこの種の多相問題に適用される。
1000以上のランダム化試験は99.5%で成功し、接触力、アクチュエータ、ベース・リアクション、衝突制限を全て保持し、ゼロショットを未確認のジオメトリーや中心のオフセットに転送し、ターゲット質量の10倍の範囲で外挿する。
関連論文リスト
- Learning Safety-Constrained Whole-Body Loco-Manipulation for Lunar Surface Operations [0.7426111228092767]
本稿では,4次元移動マニピュレータのための制約付き強化学習フレームワークを提案する。
タスク空間で指定された6Dエンドエフェクターのポーズを追跡するために、シングルボディポリシーを学ぶ。
ソフト制約違反時間を、制約のないベースラインに対して最大1桁まで短縮し、ハード制約違反を生じさせない。
論文 参考訳（メタデータ） (2026-10-11T09:38:47Z) - SCoCaT: Success Conditioned Constrained Reinforcement Learning for Spacecraft Docking [0.4619828919345114]
我々は、PPOのような既成RLアルゴリズムへの最小拡張が、この実現可能性の崩壊を解決することを示す」。
補助的値批判による高密度なステップ毎の成功信号の追加は、安全クリティカルな制約コンプライアンスを維持しつつ、タスク完了率を向上させることを実証的に実証する。
論文 参考訳（メタデータ） (2026-09-05T12:43:41Z) - Multi-Axis Selective Decoupling Framework for Free-Floating Space Manipulators [3.673994921516517]
本研究では、ミッションクリティカルな方向のみに沿って運動量移動を無効化する多軸選択的デカップリングフレームワークを提案する。
数値シミュレーションにより、この手法は、残りの自由度を保ちながら、ターゲット軸に沿った制約された方向障害を数学的に排除することを確認した。
論文 参考訳（メタデータ） (2026-08-14T03:57:49Z) - Contact-Persistent Full Actuation for Aerial Physical Interaction [0.0]
本稿では,フルアクティベーションのための制御理論フレームワークを提案する。
アクチュエータリミットの下で実現可能なレンチ集合,タスクローディング下での残レンチ集合,残オーソリティマージンを定義する。
抽象傾斜ヘキサロータの数値評価により,全列ランクだけでは接触操作が不可能であることが示された。
論文 参考訳（メタデータ） (2026-07-22T03:21:02Z) - ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。
定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。
これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
論文 参考訳（メタデータ） (2026-06-29T14:27:27Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - A Structural Threshold in Decision Capacity Governs Collapse in Self-Play Reinforcement Learning [0.0]
本研究では,非対称な規則摂動の下で自己プレイ強化学習エージェントが崩壊するか否かを,意思決定能力のしきい値が決定することを示す。
ポーカーの変種、行列ゲーム、ダイスゲーム、および複数の学習アルゴリズムをまたがって、全てのポジティブリーチ決定を排除し、決定論的搾取を引き付けるために急速に収束する。
論文 参考訳（メタデータ） (2026-05-04T19:09:14Z) - Bridging Semantic and Kinematic Conditions with Diffusion-based Discrete Motion Tokenizer [55.9892973179428]
MoTokは、セマンティックな抽象化をきめ細かな再構築から切り離す離散モーショントークンである。
また,HumanML3Dでは,トークンの6分の1しか使用せず,MaskControl上での制御性と忠実度を大幅に向上する。
論文 参考訳（メタデータ） (2026-03-19T17:59:51Z) - Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。
既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。
我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
論文 参考訳（メタデータ） (2025-10-10T18:42:32Z) - Multi-granular Adversarial Attacks against Black-box Neural Ranking Models [111.58315434849047]
多粒性摂動を取り入れた高品質な逆数例を作成する。
我々は,多粒体攻撃を逐次的意思決定プロセスに変換する。
本手法は,攻撃の有効性と非受容性の両方において,一般的なベースラインを超えている。
論文 参考訳（メタデータ） (2024-04-02T02:08:29Z)
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。