Core Concepts
本論文では、外乱に対してロバストな保証付き探索を実現するため、リーチャビリティ解析を用いた手法を提案する。
Abstract
本論文では、外乱に対してロバストな保証付き探索を実現するため、リーチャビリティ解析を用いた手法を提案している。
まず、外乱を考慮した探索問題をボルツァ形式に変換し、ハミルトン・ヤコビ・アイザックス(HJI)の再帰方程式を導出する。これにより、探索問題に対するロバストな最適制御を得ることができる。
次に、深層学習を用いてHJI方程式の近似解を求める手法を提案する。これにより、高次元の探索問題に対しても、効率的に最適制御を計算できる。
シミュレーションと実験により、提案手法が外乱に対してロバストな探索軌道を生成できることを示している。特に、最悪ケースの外乱に対しても良好な性能を発揮することが確認された。
Stats
探索領域の大きさは[0, L0] × [0, L1] × ... × [0, Lv-1]である。
探索対象の情報密度関数はμ(m)で表される。
探索軌道の時間平均分布はc(x(·), t)で表される。
探索の良さを表すエルゴード指標はE(x(·), t)で定義される。
Quotes
"探索問題をボルツァ形式に変換し、ハミルトン・ヤコビ・アイザックス(HJI)の再帰方程式を導出することで、外乱に対してロバストな最適制御を得ることができる。"
"深層学習を用いてHJI方程式の近似解を求めることで、高次元の探索問題に対しても、効率的に最適制御を計算できる。"