論文の概要: Paired-Outcome Learning for Selective Spacecraft Attitude Capture under Torque Limits

• arxiv url: http://arxiv.org/abs/2610.24763v1
• Date: Sat, 17 Oct 2026 16:11:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 16:29:50.49173
• Title: Paired-Outcome Learning for Selective Spacecraft Attitude Capture under Torque Limits
• Title（参考訳）: トルク制限下における選択型宇宙機姿勢キャプチャのペアアウト学習
• Abstract要約: より高速な設定は、個々の操作を悪化させながら平均的なトラッキングエラーを低減し、既存のコントローラの選択的な変更をベースライン相対的な学習問題にする。 ペアアウトカム法は、物理解釈可能な継続ポリシーと異なる速度エンベロープ、タスク障害の予測と成功ペア追跡ゲインの分離、変化のないベースラインを実行するコンテキスト依存の拒絶の3つのメカニズムを組み合わせる。 選択制御器は、ブランチベースラインに対して総合的な統合姿勢誤差を4.67%削減し、17の改善、31の正確な結びつき、観察された回帰がない。
• 参考スコア（独自算出の注目度）: 15.020235153879048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Torque-limited spacecraft attitude capture requires adapting the maneuver speed to uncertain braking authority. Faster settings can reduce average tracking error while worsening individual maneuvers, making selective modification of an existing controller a baseline-relative learning problem. A paired-outcome method combines three mechanisms: physically interpretable continuation policies with different speed envelopes, separate prediction of task failure and successful-pair tracking gains, and context-dependent rejection that executes the unchanged baseline. Complete paired simulations provide labels under common plant parameters and measurement seeds; training, validation, and calibration are separated by context. Basilisk experiments use 108 development contexts, 324 labeling rollouts, and 624 evaluation episodes across 48 test contexts, including disclosed post-freeze diagnostics. The selective controller reduces aggregate integrated attitude error by 4.67% relative to the branch baseline, with 17 improvements, 31 exact ties, and no observed regressions. Always using the fast alternative achieves a 4.81% reduction but worsens 11 cases. Gains occur in principal-axis, near-axis, braking-boundary, and selected noise/drift maneuvers; general coupled cases retain the baseline. Ablations show no additional aggregate benefit from branch commitment, active querying, or score subtraction. The evidence supports a restricted empirical trade-off between average improvement and individual regression, without establishing a closed-loop safety guarantee.
• Abstract（参考訳）: トルク制限された宇宙船の姿勢キャプチャは、不確実なブレーキ当局に操縦速度を適応させる必要がある。 より高速な設定は、個々の操作を悪化させながら平均的なトラッキングエラーを低減し、既存のコントローラの選択的な変更をベースライン相対的な学習問題にする。 ペアアウトカム法は、物理解釈可能な継続ポリシーと異なる速度エンベロープ、タスク障害の予測と成功ペア追跡ゲインの分離、変化のないベースラインを実行するコンテキスト依存の拒絶の3つのメカニズムを組み合わせる。 完全なペアシミュレーションは、一般的な植物パラメータと測定種子のラベルを提供し、訓練、検証、校正は文脈によって分離される。 Basiliskの実験では、108の開発コンテキスト、324のラベリングロールアウト、48のテストコンテキストにわたる624の評価エピソードが使用されている。 選択制御器は、ブランチベースラインに対して総合的な統合姿勢誤差を4.67%削減し、17の改善、31の正確な結びつき、観察された回帰がない。 高速な代替品を常に使用すると4.81%減少するが、11例が悪化する。 ゲインは主軸、近軸、ブレーキバウンダリ、選択されたノイズ/ドリフトの操作で発生し、一般的な結合されたケースはベースラインを保持します。 アブレーションは、ブランチコミットメント、アクティブクエリ、スコアサブトラクションによる追加の集合的なメリットを示しない。 この証拠は、クローズドループの安全保証を確立することなく、平均的な改善と個人の回帰の間の限定的な実証的なトレードオフを支持する。

関連論文リスト

• OSCC: Certified Observation-Safe Coupling Optimization for Gradient-Noise Control in Imperfect-Information Learning [23.835119696596095]
  無効な結合は、隠された状態を隠蔽し、内因性ポリシーのランダム性を同期させ、または、偽の履歴が分岐した後の誤ったチャンスイベントを発生させる。 本稿では,限界保存,情報状態安全性,ブランチローカルなポリシーランダム性,セマンティックイベントアライメント,トレース・ビオークル・リプレイなどを通じて,許容可能なクラスを定義するフレームワークであるオブザーバセーフ・カウンタファクト・カップリング(O SCC)を紹介する。 我々は, 限界保存結合に対して, ポリシ・ヤコビアン重み付き対角外帰還共分散が雑音変化を決定することを示す勾配対応結合基準を導出する。
  論文  参考訳（メタデータ） (2026-09-27T13:10:30Z)
• DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
  ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。 直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。 メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
  論文  参考訳（メタデータ） (2026-09-23T03:06:01Z)
• Beyond Average Error through Oracle-Informed Stress Tests for Time-Series Forecasting [34.76483563088126]
  平均二乗誤差は、予測性能が低下するのは、未来が予測不可能になるためなのか、あるいは、予測が条件平均から遠く離れているためなのかを明らかにすることができない。 本研究では,各リード時間における2乗誤差の変化を環境リスクと予測軌道距離に分解する機構制御型ストレステストを導入する。
  論文  参考訳（メタデータ） (2026-09-19T06:42:49Z)
• Intrinsic Sequence-Likelihood Confidence in Retrieval-Dominated Extractive QA: Two Pre-Specified Negatives, and What They Do and Do Not Attribute [0.4310167974376404]
  オープン言語モデルを微調整すると、自身の信頼度が誘引制御信号であるモデルが得られる。 我々は,実行前の基準下での両使用量を評価した。 検索だけで92-99.8%のベストケースの組み合わせ精度が回復する。
  論文  参考訳（メタデータ） (2026-09-17T09:17:00Z)
• Game-Theoretic Multi-Agent Control for Robust Contextual Reasoning in LLMs [6.335875360476155]
  マルチターンインタラクションにおける大規模言語モデル(LLM)は、独立した応答を生成するのではなく、進化するコンテキストを維持している。 GT-MCP(Game-Theoretic Secure Model Context Protocol)は,コンテキスト管理を閉ループ動的プロセスとして扱うコントローラ駆動型マルチエージェント手法である。 不安定性が検出されると、ロールバックベースの自己修復機構が検証済みのコンテキストを復元し、不要なフラグメントの伝播を防止する。
  論文  参考訳（メタデータ） (2026-06-09T02:18:44Z)
• Affordance Agent Harness: Verification-Gated Skill Orchestration [45.231685718099264]
  Affordance groundingは、オープンワールドのシーンでエージェントがどこでどのように対話すべきかを特定する必要がある。 本稿では,エビデンスストアとコストコントロールを備えたクローズドループランタイムであるAffordance Agent Harnessを提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:45:16Z)
• Evaluation as Evolution: Transforming Adversarial Diffusion into Closed-Loop Curricula for Autonomous Vehicles [43.930171390617055]
  本研究では,敵対的生成を適応的な進化カリキュラムに変換するクローズドループフレームワークであるAccess as Evolution(E2$)を紹介する。 我々は、トポロジ駆動型サポート選択を利用して重要な相互作用エージェントを特定し、トポロジカルアンチョリングを導入し、プロセスの安定化を図る。 実験的に、$E2$はnuScenesデータセットで9.01%、nuPlanデータセットで最大21.43%の衝突故障発見を改善する。
  論文  参考訳（メタデータ） (2026-04-08T01:34:05Z)
• Trajectory-Aware Eligibility Traces for Off-Policy Reinforcement Learning [44.50394347326546]
  多段階リターンからのオフ政治学習は、サンプル効率の強化学習に不可欠である。 オフ政治バイアスは、決定ごとに修正されるが、トレースが完全にカットされると、その効果は逆転できない。 本稿では,多段階演算子を提案する。
  論文  参考訳（メタデータ） (2023-01-26T18:57:41Z)

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。