論文の概要: Offline Approximate Value Iteration: A Reinforcement Learning Approach for Satellite Constellation Deployment

• arxiv url: http://arxiv.org/abs/2611.02809v1
• Date: Mon, 02 Nov 2026 09:17:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:07:48.851004
• Title: Offline Approximate Value Iteration: A Reinforcement Learning Approach for Satellite Constellation Deployment
• Title（参考訳）: オフライン近似値イテレーション:衛星コンステレーション展開のための強化学習アプローチ
• Abstract要約: 本稿では,ウォーカー型衛星コンステレーションの展開を不確実性下で最適化するために,強化学習に基づく近似動的プログラミング手法を提案する。 予備的な結果は、低いコストと展開時間を持つポリシーへの収束を示し、どちらもローリングホライゾンベースラインよりも低い。
• 参考スコア（独自算出の注目度）: 2.0932879442844476
• License:
• Abstract: This paper introduces a reinforcement learning-based approximate dynamic programming approach to optimize the deployment of Walker-type satellite constellations under uncertainties, including launch failures and satellite malfunctions. We formulate the problem as a Markov Decision Process that incorporates low-injection orbit launches, continuous low-thrust orbit raising, and variable satellite loads. We adopt the offline approximate value iteration solution method, using linear function approximation with basis functions and action pruning strategies to substantially reduce the computational and memory requirements for finding optimal decision policies. Preliminary results demonstrate convergence to policies with low expected costs and deployment times, both of which are lower than those of a rolling-horizon baseline, showcasing a novel application of approximate dynamic programming in space logistics.
• Abstract（参考訳）: 本稿では,打ち上げ失敗や衛星故障を含む不確実性の下でのウォーカー型衛星コンステレーションの展開を最適化するための強化学習に基づく近似動的プログラミング手法を提案する。 我々はこの問題を、低射出軌道打ち上げ、連続低推力軌道上昇、可変衛星荷重を含むマルコフ決定過程として定式化する。 オフライン近似値反復解法を,基本関数を用いた線形関数近似とアクションプルーニング戦略を用いて,最適決定ポリシーを求めるための計算およびメモリ要求を大幅に削減する。 予備的な結果は、低コストおよび展開時間のポリシーへの収束を示し、どちらもローリングホライゾンベースラインよりも低く、宇宙ロジスティクスにおける近似動的プログラミングの新しい応用を示している。

関連論文リスト

• Reinforcement Learning-Guided Evolutionary Policy Optimization for Preference-Adjustable Heterogeneous Agile Earth Observation Satellite Scheduling [50.176885352114674]
  異質なアジャイル地球観測衛星(AEOS)のスケジューリングには、タスクの選択、衛星の割り当て、および観測シークエンシングが必要である。 本稿では、優先調整可能な重み付け目的を用いた異種AEOSスケジューリングのための進化的ポリシー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） (2026-08-25T12:16:28Z)
• Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation [57.9825059129472]
  本稿では, 耐障害性を考慮したアタック・フレームワークを提案する。 提案手法は,評価パラダイムを目標領域を越えたタスクレベルの実現性にシフトする。 オンラインでは、この攻撃を最大カバレッジ最適化の予算として定式化しています。
  論文  参考訳（メタデータ） (2026-07-04T08:14:44Z)
• Beyond Trajectory Imitation: Strategy-Guided Policy Optimization for LLM Reasoning [76.93011742289768]
  強い言語モデルから弱い言語モデルへの推論能力の蒸留は、典型的には特定の解軌跡を模倣する。 この軌道レベルの模倣は、伝達可能な問題解決スキルの獲得よりも、インスタンス固有のステップの記憶を促進する。 再利用可能な戦略蒸留にインスタンスレベルの軌道模倣を置き換えた戦略誘導型政策最適化を提案する。
  論文  参考訳（メタデータ） (2026-06-23T02:14:12Z)
• AURA: Asymptotically Optimal Uncertainty-Robust Replanning Algorithm for Kinodynamic Systems [1.137457877869062]
  サンプリングベースのモーションプランナーは、キノダイナミックなモーションプランニングに実用的でスケーラブルなアプローチを提供する。 これらのプランナーは通常オフラインで使用され、軌道が計算された後にのみ実行を開始する必要がある。 この作業では、これらの制限は、実行時のパス品質とパフォーマンスのトラッキングの両方を改善する統一されたフレームワーク、メソッド内で対処された。
  論文  参考訳（メタデータ） (2026-05-26T21:20:09Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Low-Thrust Orbital Transfer using Dynamics-Agnostic Reinforcement Learning [0.0]
  本研究では,低推力中軌道衛星を対象としたモデルフリー強化学習を用いてエージェントを訓練する。 訓練されたエージェントは、軌道を設計し、巡航中に衛星を自律的に制御するために使用される。
  論文  参考訳（メタデータ） (2022-10-06T08:36:35Z)
• 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)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• Mission schedule of agile satellites based on Proximal Policy Optimization Algorithm [0.0]
  衛星のミッションスケジュールは、近年の宇宙活動において重要な部分である。 本稿では、強化学習アルゴリズムを組み込んで、その問題を記述するための新しい方法を見つける。
  論文  参考訳（メタデータ） (2020-07-05T14:28:44Z)

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。