論文の概要: Large Language Model-Assisted Adaptive Heuristic Search for Agile Earth Observation Satellite Scheduling
- arxiv url: http://arxiv.org/abs/2611.04458v1
- Date: Tue, 03 Nov 2026 07:47:24 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:27:55.675728
- Title: Large Language Model-Assisted Adaptive Heuristic Search for Agile Earth Observation Satellite Scheduling
- Title（参考訳）: 大規模言語モデルを用いたアジャイル地球観測衛星スケジューリングのための適応的ヒューリスティック探索
- Abstract要約: 本稿では,大規模言語支援適応モデル (LLM) を用いた地球観測衛星スケジューリングのための探索手法を提案する。
50-200の撮像タスクを含む6つのスケジューリングシナリオの実験では、最強のベースラインよりも平均観測利益が4.3%-9.6%高いことが示されている。
- 参考スコア（独自算出の注目度）: 8.510417236614511
- License:
- Abstract: Agile Earth observation satellites must coordinate imaging tasks within limited observation windows, while accounting for attitude maneuvering and onboard energy constraints. Competition among observation opportunities makes scheduling performance sensitive to the heuristic rules used for task selection. This letter proposes a large language model (LLM)-assisted adaptive heuristic search method for agile Earth observation satellite scheduling. The LLM generates an initial heuristic rule according to the characteristics of the scheduling instance. During the subsequent ant colony search, search performance and scheduling information are fed back to the LLM to refine the heuristic rule. The proposed modifications are evaluated through paired solution constructions before being incorporated into the search process. A unified scheduling procedure determines task selection, satellite assignment, and observation timing under the operational constraints. Experiments on six scheduling scenarios involving 50--200 imaging tasks demonstrate that the proposed method achieves 4.3\%--9.6\% higher mean observation benefit than the strongest baseline.
- Abstract（参考訳）: Agile Earthの観測衛星は、限られた観測窓内で撮像タスクを調整し、姿勢操作と搭載エネルギーの制約を考慮しなければならない。
観察機会間の競争は、タスク選択に使用されるヒューリスティックなルールに敏感なスケジューリング性能をもたらす。
本文は,地球観測衛星スケジューリングのための大規模言語モデル (LLM) を用いた適応的ヒューリスティック探索法を提案する。
LLMは、スケジューリングインスタンスの特性に応じて初期ヒューリスティックルールを生成する。
その後のアリコロニー探索では、探索性能とスケジューリング情報がLLMにフィードバックされ、ヒューリスティックなルールが洗練される。
提案手法は, 探索プロセスに組み込む前に, ペアリングされた解構造を用いて評価する。
統一スケジューリング手順は、運用制約下でのタスク選択、衛星割り当て、観察タイミングを決定する。
50-200の撮像タスクを含む6つのスケジューリングシナリオの実験により、提案手法は最強のベースラインよりも平均観測利益が4.3\%--9.6\%高いことを示す。
関連論文リスト
- Implicit Q-learning-bootstrapped ant colony optimization for maritime moving-target observation scheduling with agile satellites [20.439311474504866]
アジャイル地球観測衛星を用いた海上移動目標観測スケジューリングは、動的でシーケンスに依存した最適化問題である。
本稿では,マルチサテライト海洋移動目標観測スケジューリングのための暗黙的なQ-ラーニング・ブートストラップ付きアリコロニー最適化手法であるIQACOを提案する。
論文 参考訳（メタデータ） (2026-08-25T12:17:25Z) - 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) - EOS-Bench: A Comprehensive Benchmark for Earth Observation Satellite Scheduling [59.18180569653578]
本稿では,スケジューリング手法の体系的および再現性評価のための総合的なフレームワークであるEOS-Benchを紹介する。
高忠実度軌道力学とプラットフォーム制約を統合することで、EOS-Benchは1,390のシナリオと13,900のベンチマークインスタンスを生成する。
その結果,EOS-Benchはスケールと条件をまたいだ解法性能を効果的に区別できることがわかった。
論文 参考訳（メタデータ） (2026-04-28T15:49:46Z) - Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。
本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。
具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。
人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
論文 参考訳（メタデータ） (2026-02-10T10:16:27Z) - Solving Online Resource-Constrained Scheduling for Follow-Up Observation in Astronomy: a Reinforcement Learning Approach [4.027575411413831]
本稿では,オンライン天文資源制約スケジューリングのための強化学習手法であるROARSを提案する。
天文観測スケジューリングの構造を捉えるために、有向非巡回グラフ(DAG)を用いて全てのスケジュールを記述する。
深い強化学習は、収束するまで反復的に局所的な書き換えを行うことで実現可能なソリューションを改善する政策を学ぶために使用される。
論文 参考訳（メタデータ） (2025-02-16T14:01:12Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Earth Observation Satellite Scheduling with Graph Neural Networks [1.1684839631276702]
本稿では,グラフニューラルネットワーク(GNN)と深部強化学習(DRL)に基づく観測結果の選択とスケジューリングを行う新しい手法を提案する。
シミュレーションにより,より大規模な実世界のインスタンスに一般化し,従来の手法と比較して非常に競争力のある性能で学習できることが示唆された。
論文 参考訳（メタデータ） (2024-08-27T13:10:26Z) - Monte Carlo Tree Search Satellite Scheduling Under Cloud Cover Uncertainty [0.0]
本稿では,マルチサテライトコレクションスケジューリング問題(m-SatCSP)に対処する。
雲などの不確実な条件下での衛星群上のタスクスケジューリングを最適化することを目的としている。
論文 参考訳（メタデータ） (2024-05-31T15:50:46Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳（メタデータ） (2020-07-13T03:51:08Z)
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。