論文の概要: Chance-Constrained Inspection Viewpoint Sequencing for On-Orbit Servicing via Safe Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2610.41639v1
• Date: Fri, 30 Oct 2026 12:15:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.697927
• Title: Chance-Constrained Inspection Viewpoint Sequencing for On-Orbit Servicing via Safe Reinforcement Learning
• Title（参考訳）: 安全強化学習による軌道上検視点シークエンシング
• Abstract要約: 本稿では,視点選択をCMDP(Constrained Markov Decision Process)としてモデル化する。 ラグランジアン緩和法(Lagrangian relaxation)は、ラグランジアン緩和法(Lagrangian relaxation)を用いてこの問題を解決する。 この手法は、中地球にあるガリレオ級の航法衛星でテストされている。
• 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: Autonomous inspection of a target spacecraft is typically the initial step in on-orbit servicing. Planning close-proximity observation viewpoints involves a complex combinatorial problem constrained by coverage, fuel, and safety considerations. This paper models the viewpoint selection as a Constrained Markov Decision Process (CMDP) and applies Proximal Policy Optimization with Lagrangian relaxation to solve it. The system combines a high-level planner, which sequences camera viewpoints on an observation sphere around the target, with a low-level model that assesses each transfer using the Clohessy--Wiltshire (CW) equations for relative motion. The deterministic constraints on single-impulse reachability and $Δv$ cap are enforced directly on the action set. Safety margins are affected by navigation and manoeuvre errors, making the actual clearance stochastic. To address this, a chance constraint on the realised trajectory is implemented, with a Lagrangian multiplier governed by PID control to adapt the penalty during training. The approach is tested on a Galileo-class navigation satellite in medium Earth orbit, modelled as a point cloud where visibility from each viewpoint considers field-of-view and line-of-sight occlusion. Across various risk budgets, the trained policy maintains the keep-out violation rate within the specified limit, achieving coverage close to its maximum and staying within the mission $Δv$ budget. Compared to the usual practice of applying a fixed margin to the keep-out radius and planning deterministically, the chance-constrained policy attains less than half the violation rate at comparable coverage. This makes the collision risk an explicit design parameter, eliminating the need for re-tuning per case. The learned policy selects a viewpoint without the repeated Monte Carlo risk estimates required by a greedy, chance-constrained planner at every decision point.
• Abstract（参考訳）: ターゲット宇宙船の自律的な検査は、通常、軌道上での観測における最初のステップである。 近近近性観測の観点からの計画には、カバレッジ、燃料、安全性の考慮によって制約される複雑な組合せの問題が含まれる。 本稿では,視点選択をCMDP(Constrained Markov Decision Process)としてモデル化し,ラグランジュ緩和による近似政策最適化を適用した。 このシステムは、ターゲット周辺の観測球上でカメラの視点をシークエンスする高レベルプランナーと、相対運動のためのClhessy-Wiltshire(CW)方程式を用いて各転送を評価する低レベルモデルを組み合わせる。 単一インパルス到達性と$Δv$capに対する決定論的制約は、アクションセットに直接適用される。 安全マージンは航法や操縦ミスに影響され、実際のクリアランスは確率的になる。 これを解決するために、実現軌道上のチャンス制約が実施され、PID制御によって支配されるラグランジアン乗算器が訓練中にペナルティに適応する。 この手法は、中地球軌道のガリレオ級航法衛星でテストされ、各視点からの視界と視線閉塞を考慮した点雲としてモデル化されている。 各種のリスク予算にまたがって、訓練された政策は、指定された制限の範囲内での監視違反率を維持し、最大値に近い範囲を達成し、ミッションのΔv$予算内に留まる。 固定利得を保留半径に適用し、決定論的に計画する通常の慣行と比較すると、機会制限政策は、同等のカバレッジで違反率の半分以下に達する。 これにより、衝突リスクが明示的な設計パラメータになり、ケース毎に再チューニングする必要がなくなる。 学習されたポリシーは、すべての決定ポイントにおいて、欲求的で、機会に制約のあるプランナーが要求するモンテカルロのリスク見積を繰り返すことなく、視点を選択する。

関連論文リスト

• Risk-Sensitive Mission Planning for Multi-Target On-Orbit Inspection via Distributional Reinforcement Learning [0.0]
  本稿では,地球低軌道におけるマルチターゲットサーベイリングキャンペーンの適応的計画手法を提案する。 このアプローチは、ミッションリターンの完全な分布を学習する分散強化学習に基づいている。 5つの衛星のシナリオに関する数値実験により、1つのリスク回避重みが平均戻り値と戻り値のばらつきの範囲でポリシーを移動させることが示されている。
  論文  参考訳（メタデータ） (2026-10-30T12:20:29Z)
• Calibrated Uncertainty for Informative Path Planning in Aquatic Environmental Monitoring [68.82821445619759]
  本稿では,ガウス過程をよく校正されたディープ・アンサンブルに置き換えることで,経路計画の成果が向上するかどうかを考察する。 うまく校正された不確実性は、計画戦略の重要性を増幅する。
  論文  参考訳（メタデータ） (2026-09-28T08:23:13Z)
• Stochastic Multi-Objective Kinodynamic Planning Against Adversaries [4.800861909357391]
  本稿では,エゴ状態に基づく多目的キノダイナミック計画法について述べる。 確率的完全性を証明するための多目的RT(SMO-RRT)を導入し,次に多目的安定RT(SMO-SST)を紹介する。 どちらのアルゴリズムに対しても、ガウス的でない状態依存不確実性を持つ系に対して、確率制約違反の確率に基づいて有限サンプルを導出する。
  論文  参考訳（メタデータ） (2026-07-21T16:56:34Z)
• Constrained Auto-Bidding via Generative Response Modeling [4.3095605379591255]
  自動入札システムは、予算制約やコスト・パー・アクセシションなどの比率目標の下で、長期的地平線上の広告主価値を最大化することを目的としている。 コントロールベースのペアリングは逸脱に反応するが、将来の状況は予測できない。一方、RLと生成法は、制約を報酬信号に折り畳み、違反を回避し、分散シフトの下で劣化させる。 単一入札乗算器の関数として,将来の交通量と地平線集約コスト/値曲線を共同で予測する履歴条件付きシーケンスモデルであるジェネレーティブ・レスポンス・モデル(GRM)を用いて,学習対象を行動から応答へシフトする。
  論文  参考訳（メタデータ） (2026-05-27T01:06:54Z)
• Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
  部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。 安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-14T01:23:09Z)
• Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
  エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。 既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。 エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T13:38:18Z)
• Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
  バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。 B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。 実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
  論文  参考訳（メタデータ） (2025-09-30T03:38:20Z)
• ConstrainedZero: Chance-Constrained POMDP Planning using Learned Probabilistic Failure Surrogates and Adaptive Safety Constraints [34.9739641898452]
  本研究では、最適値とポリシーのニューラルネットワーク近似を学習することにより、信念空間におけるCC-POMDPを解くConstrainedZeroポリシーアルゴリズムを導入する。 その結果, 目標から安全制約を分離することで, 報酬とコストのバランスを最適化することなく, 目標となる安全レベルを達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-05-01T17:17:22Z)
• 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)

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。