論文の概要: Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots
- arxiv url: http://arxiv.org/abs/2610.20875v1
- Date: Wed, 14 Oct 2026 20:06:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.053962
- Title: Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots
- Title（参考訳）: 持続可能な移動ロボットの速度軌道最適化による情報の最適トレーディングエネルギー
- Abstract要約: 持続可能な移動ロボットは、環境からエネルギーを回収することで長期の観測ミッションを可能にする。
効果的な自律性には、ロボットが時間とともに情報品質を最大化するために、このエネルギーを割り当てる方法を決定する必要がある。
ロボットが固定された閉路を何度も横切る持続的(無限水平)速度軌道最適化問題について検討する。
- 参考スコア（独自算出の注目度）: 6.6934236124090845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sustainably powered mobile robots enable long-duration observational missions by harvesting energy from the environment. However, effective autonomy requires the robots to make decisions as to how to allocate this energy to maximize information quality over time. In this paper, we study a persistent (infinite-horizon) speed trajectory optimization problem that is posed as a periodic optimal control problem in which a robot repeatedly traverses a fixed closed path, coupling a super-linear propulsion cost with dynamic information gain and decay. Using the information-theoretic quantity of clarity as an information metric, we first derive the necessary conditions for optimal control. We then derive a number of specialized follow-on properties, which characterize (i) the nature of the optimal control when points on the path are of varying importance and when they are of equal importance, along with (ii) a high-speed information limit that is approached when energy reserves approach infinity. We illustrate the information-optimal speed trajectories on a simple example in order to showcase key trends that are followed under the optimized speed profile. This is followed by a simulation study based on the persistent characterization of salinity in the Chesapeake Bay, illustrating the practical merit of applying the results from this work.
- Abstract（参考訳）: 持続可能な移動ロボットは、環境からエネルギーを回収することで長期の観測ミッションを可能にする。
しかし、効果的な自律性には、ロボットが時間とともに情報品質を最大化するために、このエネルギーを割り当てる方法を決定する必要がある。
本稿では,ロボットが固定された閉路を何度も横切る周期的最適制御問題として提案される持続的(無限水平)速度軌道最適化問題について検討し,超線形推進コストと動的情報ゲインと減衰を結合する。
情報理論として情報理論量を用いて,まず最適制御に必要な条件を導出する。
次に、特徴付けるいくつかの特別な追従特性を導出します。
一 経路上の点が様々に重要で、その点が等しく重要であるときの最適制御の性質
(II)エネルギー予備金が無限に近づくと接近する高速情報限界。
最適化された速度プロファイルの下で追従される重要なトレンドを示すために,情報-最適速度軌跡を簡単な例で示す。
これに続いて、チェサピーク湾における塩分濃度の持続的評価に基づくシミュレーション研究が行われ、この研究の結果を応用する実践的メリットが説明された。
関連論文リスト
- Finite-Time Thermodynamics of an Autonomous Information Machine [4.305373051747465]
情報消去機と冷凍機の両方として機能する自律機械の有限時間動作について検討する。
我々の発見は、高速な自律的な情報-エネルギー変換の最適化の道を開いた。
論文 参考訳（メタデータ） (2026-04-17T11:15:47Z) - Streaming Real-Time Trajectory Prediction Using Endpoint-Aware Modeling [54.94692733670454]
近隣の交通機関の将来の軌道は、自動運転車の経路計画と意思決定に大きな影響を与えている。
本稿では,軽量かつ高精度なストリーミングベース軌道予測手法を提案する。
当社のアプローチは推論遅延を大幅に低減し、現実のデプロイメントに適しています。
論文 参考訳（メタデータ） (2026-03-02T13:44:23Z) - Fast Near Time-Optimal Motion Planning for Holonomic Vehicles in Structured Environments [8.195916347194315]
磁気浮上を用いた平面運動系における運動計画の課題を解決することを目的としている。
提案手法は, 自由空間廊下を用いた環境表現を符号化し, 移動プリミティブを用いて車両の走行を表現している。
この手法は最先端のXPlanarシステムよりもはるかに低い時間で実現され、実世界のBeckhoff XPlanarシステム上で検証される。
論文 参考訳（メタデータ） (2026-02-02T21:26:30Z) - A Real-time Spatio-Temporal Trajectory Planner for Autonomous Vehicles with Semantic Graph Optimization [8.221371036055167]
グラフ最適化に基づく意味的時間的軌道計画法を提案する。
複雑な都市道路のシナリオを効果的に処理し、リアルタイムで実行することができる。
研究コミュニティのベンチマークに対応するため、コードをリリースします。
論文 参考訳（メタデータ） (2025-02-25T12:27:06Z) - Multi-agent Traffic Prediction via Denoised Endpoint Distribution [23.767783008524678]
高速での軌道予測には歴史的特徴と周囲の物体との相互作用が必要である。
軌道予測のためのDenoized Distributionモデルを提案する。
我々のアプローチは、エンドポイント情報によるモデルの複雑さとパフォーマンスを著しく削減します。
論文 参考訳（メタデータ） (2024-05-11T15:41:32Z) - Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。
トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文 参考訳（メタデータ） (2024-03-12T07:32:47Z) - Eco-Driving Control of Connected and Automated Vehicles using Neural
Network based Rollout [0.0]
接続された自動運転車は、エネルギー消費を最小化する可能性がある。
既存の決定論的手法は、一般に高い計算とメモリ要求に悩まされる。
本研究ではニューラルネットワークを介して実装された階層型マルチ水平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） (2023-10-16T23:13:51Z) - AutoRL Hyperparameter Landscapes [69.15927869840918]
強化学習(Reinforcement Learning, RL)は印象的な結果を生み出すことができるが、その使用はハイパーパラメータがパフォーマンスに与える影響によって制限されている。
我々は,これらのハイパーパラメータの景観を1つの時間だけではなく,複数の時間内に構築し,解析する手法を提案する。
これは、ハイパーパラメータがトレーニング中に動的に調整されるべきであるという理論を支持し、ランドスケープ解析によって得られるAutoRL問題に関するさらなる洞察の可能性を示している。
論文 参考訳（メタデータ） (2023-04-05T12:14:41Z) - Amortized Auto-Tuning: Cost-Efficient Transfer Optimization for
Hyperparameter Recommendation [83.85021205445662]
本稿では,機械学習モデルのチューニングを高速化する自動チューニング(AT2)を提案する。
マルチタスクマルチ忠実ベイズ最適化フレームワークの徹底的な解析を行い、最適なインスタンス化-アモータイズ自動チューニング(AT2)を実現する。
論文 参考訳（メタデータ） (2021-06-17T00:01:18Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。