論文の概要: Learning-Based Adaptive MPC for Magnetorquer-Only Satellite Attitude Control

• arxiv url: http://arxiv.org/abs/2610.20280v1
• Date: Wed, 14 Oct 2026 14:38:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.207433
• Title: Learning-Based Adaptive MPC for Magnetorquer-Only Satellite Attitude Control
• Title（参考訳）: 電磁石オンリー衛星姿勢制御のための学習型適応型MPC
• Abstract要約: 磁力計は3軸姿勢制御が可能な小型アクチュエータとしてユニークな妥協を提供する。 制御権限の喪失に悩まされ、惑星磁場の完全な知識を必要とする。 衛星の回転軌道を計画する学習型適応モデル予測制御(MPC)アルゴリズムを提案する。
• 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: Nanosatellites (e.g., CubeSats) have the potential to carry out useful science and exploration activities for outer solar system exploration, but their small size leads to tradeoffs between attitude control and science capabilities. Magnetorquers offer a unique compromise as compact actuators that enable three-axis attitude control, but suffer from a loss of control authority and require full knowledge of the planetary magnetic field. In this work, we present a learning-based adaptive model predictive control (MPC) algorithm that plans rotational trajectories for the satellite while accounting for this loss of control authority. Key to our approach is the inclusion of a learned magnetic field model that is trained in simulation using low-fidelity magnetic field data. Using measurements collected online, our proposed algorithm adapts this learned magnetic field model using a simple last-layer update scheme, allowing the MPC controller to quickly adapt to the true planetary magnetic field model and more effectively plan attitude trajectories. We demonstrate the results of our proposed approach for two use cases, (1) Earth-orbit and (2) Uranus-orbit, and show that our learning-based adaptive MPC algorithm improves controller success for these system simulations by 5% and 61%, respectively.
• Abstract（参考訳）: ナノサテライト(例えばCubeSats)は、太陽系外惑星探査に有用な科学と探査活動を行う可能性があるが、その小さなサイズは、姿勢制御と科学能力のトレードオフにつながる。 磁力計は3軸姿勢制御が可能な小型アクチュエータとしてユニークな妥協を提供するが、制御権限の喪失と惑星磁場の完全な知識を必要とする。 本研究では、この制御権限の喪失を考慮しつつ、衛星の回転軌道を計画する学習ベース適応モデル予測制御(MPC)アルゴリズムを提案する。 我々のアプローチの鍵となるのは、低忠実度磁場データを用いたシミュレーションで訓練された学習磁場モデルの導入である。 提案アルゴリズムは,オンラインで収集した測定値を用いて,この学習した磁場モデルに単純な最終層更新方式を用いて適応し,MPCコントローラが真の惑星磁場モデルに迅速に適応し,より効果的に姿勢軌道を計画することを可能にする。 本研究では,(1)地球軌道と(2)天王星軌道の2つのユースケースに対する提案手法の結果を実証し,学習に基づく適応型MPCアルゴリズムにより,これらのシステムシミュレーションの制御性能を5%と61%向上させることを示した。

関連論文リスト

• Data-Driven Control of a Magnetically Actuated Fish-Like Robot [2.5782420501870296]
  磁力で動く魚のようなロボットは、小型化と機敏さのために水中探査に有望なソリューションを提供する。 本稿では、解析モデルに頼ることなく、これらの複雑さに対処するデータ駆動制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-05T04:08:08Z)
• A Mobile Magnetic Manipulation Platform for Gastrointestinal Navigation with Deep Reinforcement Learning Control [7.422367337001037]
  本稿では,Dep Reinforcement Learning (DRL) を用いて,この制限を克服する小型で低コストな移動体磁気操作プラットフォームを提案する。 SAC(Soft Actor-Critic)ベースのコントロール戦略は、sim-to-realパイプラインを通じてトレーニングされる。 2次元軌道に沿って7mm磁気カプセルを制御し,プラットフォームを検証した。
  論文  参考訳（メタデータ） (2026-01-22T00:30:11Z)
• Magnetic field estimation using Gaussian process regression for interactive wireless power system design [6.102646086243458]
  共振器を結合したワイヤレス電力伝送は、電子機器のシームレスな電力供給に有望なソリューションを提供する。 磁場と電力伝達効率を可視化するインタラクティブな設計手法は、これらのシステムの理解と探索を容易にする。 本稿では,Gaussian Process Regression (GPR) を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-10-22T06:26:38Z)
• Coil Geometry Learning for Short-Range Magnetic Actuation [0.04096453902709291]
  燃料のないドッキングは、宇宙での組み立て、宇宙ステーションの補給、サンプル帰還ミッション、大規模な衛星群の形成維持のための重要な運用技術である。 スラスタを含む従来の推進システムの使用は、短い距離で悪影響を及ぼす可能性がある。 電磁石が生成する磁場相互作用制御は、これらの推進の弱点を克服することができる。
  論文  参考訳（メタデータ） (2025-07-04T20:54:30Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
  本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。 モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:10:14Z)
• Vision-Based Autonomous Drone Control using Supervised Learning in Simulation [0.0]
  室内環境におけるMAVの自律的ナビゲーションと着陸にSupervised Learningを用いた視覚に基づく制御手法を提案する。 我々は、低解像度画像とセンサー入力を高レベル制御コマンドにマッピングする畳み込みニューラルネットワーク(CNN)を訓練した。 我々のアプローチは、類似の強化学習アプローチよりも短いトレーニング時間を必要としており、匹敵するSupervised Learningアプローチが直面する手動データ収集の限界を克服する可能性がある。
  論文  参考訳（メタデータ） (2020-09-09T13:45:41Z)
• 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)
• Information Theoretic Model Predictive Q-Learning [64.74041985237105]
  本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。 バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2019-12-31T00:29:22Z)

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。