文献

J-GLOBAL ID：202202265201072936   整理番号：22A1086414

アストロボットスウォームのデータ駆動収束予測【JST・京大機械翻訳】

Data-Driven Convergence Prediction of Astrobots Swarms

著者 (4件)： Macktoobian Matin (School of Engineering, Swiss Federal Institute of Technology in Lausanne (EPFL), Lausanne, Switzerland) ,  Basciani Francesco (Department of Electronics and Telecommunications, Politecnico di Torino, Turin, Italy) ,  Gillet Denis (School of Engineering, Swiss Federal Institute of Technology in Lausanne (EPFL), Lausanne, Switzerland) ,  Kneib Jean-Paul (School of Basic Sciences, Swiss Federal Institute of Technology in Lausanne (EPFL), Lausanne, Switzerland)
資料名： IEEE Transactions on Automation Science and Engineering  (IEEE Transactions on Automation Science and Engineering)
巻： 19  号： 2  ページ： 747-758  発行年： 2022年 
JST資料番号： W1406A  ISSN： 1545-5955  CODEN： ITASC7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Astロボットは,観測可能な宇宙のマップを生成するために,宇宙物理学研究においてスウォームを使用するロボットアーチファクトである。これらのスウォームは,様々な望ましい観察に関して協調しなければならない。このような協調は,分散スウォームコントローラが,観測のコースで得られる最小データを満足させるために,常に十分なアットロボットを協調できないので,複雑である。したがって,収束検証は,実行の前に協調の適合性をチェックするのに必要である。しかし,形式的検証法は,この目的には存在しなかった。本論文では,アットロボットスウォームの収束を予測するために機械学習を用いた。この問題に対する最初の解決策として,スウォームの初期状態とその収束を予測するための観測ターゲットを必要とする重み付きk-NNベースアルゴリズムを提案した。著者らのアルゴリズムは,所望のスウォームの以前の協調から得た協調データに基づいて予測を学習する。この方法は,まず距離メトリックに基づく各アットロボットに対する収束確率を生成する。次に,これらの確率を完全または不完全なカテゴリー結果に変換した。この方法を116と487のアットロボットを含む2つの典型的スウォームに適用した。成功した配位の正しい予測は,全体の予測の80%に達する可能性があることが判明した。したがって,これらの結果は,著者らの予測収束解析戦略の効率的精度を示した。分光調査の生成に関与する実務者に対する N務員は,それらの実行の前に,それらの計画された観測のスループットをチェックするために,常に限られた資源に遭遇する。観測によってもたらされた情報は,その特定の観察における観測所のアットロボットの収束速度に直接依存する。すなわち,アットロボット収束速度が最小以下であるならば,観測は,誘発され,再計画される必要がある。したがって,1つは最小情報要求を満たす別の観察を定義するかもしれない。アットロボットスウォームの最先端軌道計画者によって計算された協調の収束速度を検証するために開発された解析ツールはまだない。したがって,その正確な値を見つける実行不可能なプロセスに含まれる代わりに,所望の収束速度を予測するために機械学習方式を用いることを提案した。この方法は,観測の目標-to-astロボット割当てテーブルを必要とする教師つき方法である。また,アルゴリズムは,特定のスウォームの様々な観測の以前の協調結果を含むデータセットを必要とする。シミュレートしたシナリオは,SDSS-V(約500アットロボットを含む)のような現代の分光学的調査に対応するいくつかのアットロボットスウォームの収束予測において顕著な精度を示した。本戦略は,収束率,すなわち,ホスト望遠鏡の焦点面上のターゲットの投影位置において中心的な役割を持つ,アットロボットの特徴の最小部分集合に基づいている。より多くの探査は,各アットロボットの運動方向のような他の重要な特徴を見つけるために考慮されるべきであり,それはさらに,得られた予測精度を改善するかもしれないと主張する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  確率 ,  望遠鏡 ,  予測 ,  *ロボット ,  宇宙物理学 ,  情報需要 ,  スループット ,  宇宙空間 ,  *スウォーム ,  アーチファクト ,  機械学習
準シソーラス用語： 収束速度 ,  予測精度 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (3件)： ロボットの運動・制御  (IC04012J) ,  機械の組立  (QC05000F) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： データ駆動 ,  収束 ,  予測