論文の概要: Where Planning Changes the Outcome of Orbital Games

• arxiv url: http://arxiv.org/abs/2610.37686v1
• Date: Fri, 16 Oct 2026 22:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:06:26.16345
• Title: Where Planning Changes the Outcome of Orbital Games
• Title（参考訳）: 計画が軌道ゲームの結果をどう変えるか
• Abstract要約: OrbitalGym(オービタルガイム)は、アルゴリズムやシステム設計が対角軌道衝突の結果を決定する際のシミュレーション環境である。 バッチ化されたGPUコードにゲームをコンパイルし、多数の構成にわたるポリシーの大規模並列シミュレーションを可能にする。 本研究では,ある宇宙船が別の宇宙船を捕獲しようとする追尾回避ゲームと,攻撃者が保護資産に到達するのを防いでいる女性バンドガードの2つの近距離ゲームについて検討する。
• 参考スコア（独自算出の注目度）: 24.816348898055523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces OrbitalGym, a simulation environment for studying when planning algorithms or system design determine the outcome of adversarial orbital encounters. In an orbital game, two non-cooperative teams of satellites maneuver during rendezvous and proximity operations to win a differential-reward objective. Advances in terrestrial game playing have prompted many methods for orbital games, but studies typically evaluate one method in one scenario, often against a passive or random defender. It is unclear whether better planning matters once vehicle capability (maneuverability, sensing, communications) and adversarial responses are considered. OrbitalGym is a JAX-based environment supporting varying numbers of agents, state representations (position, velocity, attitude, fuel), explicit or implicit communication, and proximity or conical field-of-view sensors. It compiles games to batched GPU code, enabling large-scale parallel simulation of policies across many configurations. This identifies regimes where policy choice affects outcomes and regimes where system capability dominates. We study two close-range games: pursuit-evasion, where one spacecraft tries to capture another, and lady-bandit-guard, where a guard prevents an attacker from reaching a protected asset. We compare PD, LQR, model predictive path integral control, and Monte Carlo tree search over ratios of thrust and propellant, initial separation, game duration, sensor capability, and the definition of capture. In pursuit-evasion the propellant ratio decides most encounters: against five of six evader policies, pursuer policy changes capture probability by 10 percent or more in at most 15 of 90 capability configurations. In lady-bandit-guard, policy matters more: against bandits able to reach the asset, a better guard policy raises defense probability by at least 10 percent in 56 to 74 of 90 configurations.
• Abstract（参考訳）: 本稿では,OrbitalGymについて紹介する。OrbitalGymは,計画アルゴリズムやシステム設計が対角軌道衝突の結果を決定する際のシミュレーション環境である。 軌道ゲームでは、衛星の2つの非協力チームがランデブーと近接作戦の間を操縦し、差分回帰目標を勝ち取る。 地上ゲームプレイの進歩はオービタルゲームに多くの方法をもたらしたが、研究は通常、1つのシナリオで1つの手法を評価し、多くの場合、受動的またはランダムなディフェンダーに対して評価する。 車両能力(可視性、感知性、通信性)と敵の反応が考慮されれば、より良い計画が重要であるかどうかは不明だ。 OrbitalGymはJAXベースの環境であり、さまざまなエージェント、状態表現(位置、速度、姿勢、燃料)、明示的または暗黙的なコミュニケーション、近接性または円錐的な視野センサーをサポートする。 バッチ化されたGPUコードにゲームをコンパイルし、多数の構成にわたるポリシーの大規模並列シミュレーションを可能にする。 これは、政策選択が結果に影響を与えるレジームと、システム能力が支配するレジームを識別する。 本研究では,ある宇宙船が別の宇宙船を捕獲しようとする追尾回避ゲームと,攻撃者が保護資産に到達するのを防いでいる女性バンドガードの2つの近距離ゲームについて検討する。 PD, LQR, モデル予測経路積分制御, モンテカルロ木を推力と推進剤の比, 初期分離, ゲーム持続時間, センサ能力, キャプチャーの定義について比較した。 6つの回避ポリシーのうち5つに対して、追跡ポリシーの変更は、90の能力構成の少なくとも15で確率を10%以上取得する。 盗賊が資産に到達できるのに対して、より優れた警備政策は、最低でも防衛確率を、90の構成のうち56から74に引き上げる。

関連論文リスト

• Satellite Trajectory Optimization via Proximal Policy Optimization for Space Debris Avoidance [0.0]
  決定論的GEOの1000エピソードにおいて、エージェントは97.5%の衝突回避成功率を達成する。 我々は,サン/ムーンの3体摂動,燃料依存推力,破片場を用いてニュートンの2体力学をシミュレートした。 私たちの仕事はhttps://purl.org/sat-trajectory-avoidance.orgで公開されているフレームワークです。
  論文  参考訳（メタデータ） (2026-08-10T14:09:16Z)
• ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving [63.980630608984605]
  本稿では、ゼロサムマルコフゲームとして、駆動ポリシー(ディフェンダー)と敵エージェント(アタックラー)の相互作用を扱うクローズドループのmin-max最適化フレームワークであるADV-0を提案する。 これを実現するため,我々は動的敵の進化を反復的な選好学習とし,この最適性を効率的に近似し,アルゴリズムに依存しない解をゲームに提供する。 実験により、多様な安全クリティカルな障害を効果的に露呈し、学習方針と運動プランナーの両方の一般化可能性を大幅に向上させることが示されている。
  論文  参考訳（メタデータ） (2026-03-16T12:58:31Z)
• Autonomous Vehicle Path Planning by Searching With Differentiable Simulation [55.46735086899153]
  計画では、エージェントが現実世界で実行する前に、アクションを安全に洗練することができる。 自動運転では、衝突を避け、複雑な密集した交通シナリオをナビゲートすることが不可欠である。 本稿では、微分可能シミュレータWaymaxを次の状態予測と批判の両方として活用するフレームワークである、微分可能探索シミュレーション(DSS)を提案する。
  論文  参考訳（メタデータ） (2025-11-14T07:56:34Z)
• Reinforcement Learning for Decision-Level Interception Prioritization in Drone Swarm Defense [51.736723807086385]
  本稿では,この課題に対処する上で,強化学習の実践的メリットを示すケーススタディを提案する。 本研究では,現実的な運用制約を捉えた高忠実度シミュレーション環境を提案する。 エージェントは最適なインターセプション優先順位付けのために複数のエフェクターを調整することを学ぶ。 我々は、何百ものシミュレートされた攻撃シナリオにおいて、手作りルールベースのベースラインに対する学習ポリシーを評価する。
  論文  参考訳（メタデータ） (2025-08-01T13:55:39Z)
• Patrol Security Game: Defending Against Adversary with Freedom in Attack Timing, Location, and Duration [4.765278970103286]
  パトロール・セキュリティ・ゲーム(Patrol Security Game、PSG)は、ロボットパトロール問題である。 我々の目標は、攻撃者の時間的地平線を最小化する合成スケジュールを考案することである。
  論文  参考訳（メタデータ） (2024-10-21T02:53:18Z)
• Online Planning for Multi-UAV Pursuit-Evasion in Unknown Environments Using Deep Reinforcement Learning [16.676389371667284]
  マルチUAV追跡回避は、UAV群知能にとって重要な課題である。 本研究では,協調戦略学習における部分的可観測性に対処するために,回避者予測強化ネットワークを導入する。 我々は、2段階の報酬改善を通じて実現可能な政策を導出し、ゼロショット方式で実四重項にポリシーを展開する。
  論文  参考訳（メタデータ） (2024-09-24T08:40:04Z)
• Provably Efficient Fictitious Play Policy Optimization for Zero-Sum Markov Games with Structured Transitions [145.54544979467872]
  本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。 我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。 提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
  論文  参考訳（メタデータ） (2022-07-25T18:29:16Z)
• Zero-Query Transfer Attacks on Context-Aware Object Detectors [95.18656036716972]
  敵は、ディープニューラルネットワークが誤った分類結果を生成するような摂動画像を攻撃する。 自然の多目的シーンに対する敵対的攻撃を防御するための有望なアプローチは、文脈整合性チェックを課すことである。 本稿では,コンテキスト整合性チェックを回避可能な,コンテキスト整合性攻撃を生成するための最初のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-29T04:33:06Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)
• Adversarial Online Learning with Variable Plays in the Pursuit-Evasion Game: Theoretical Foundations and Application in Connected and Automated Vehicle Cybersecurity [5.9774834479750805]
  対戦型・非確率型マルチアームバンディット(MPMAB)は,演奏するアームの数が変動している場合に拡張する。 この作業は、相互接続された輸送システムにおいて、異なる重要な場所をスキャンするために割り当てられたリソースが、時間とともに、環境によって動的に変化するという事実によって動機付けられている。
  論文  参考訳（メタデータ） (2021-10-26T23:09:42Z)
• Visibility Optimization for Surveillance-Evasion Games [4.454557728745761]
  監視回避差分ゲームでは,追跡者が常に移動中の回避者の視認性を維持する必要がある。 本研究では,ゲーム終了時間に対応するフィードバック値関数をアップウインド方式で計算する。 モンテカルロ木探索と自己再生強化学習が深層ニューラルネットワークをトレーニングし,オンラインゲームプレイのための合理的な戦略を生成することを示す。
  論文  参考訳（メタデータ） (2020-10-18T15:02:41Z)

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。