arXiv · cs.AI· Omar Ramadan, Sam Siavoshian, Amir Kashif Saeed, Benjamin A. Johnson, Amin M. E. -A. Diab, Benjamin M. Rodriguez·· 3 天前
Constellation Tasking中数据稀缺轨道蒙特卡洛的约束扩散方法
Constrained Diffusion for Data-Scarce Orbital Monte Carlo in Constellation Tasking
arXiv:2610.09323v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Omar Ramadan, Sam Siavoshian, Amir Kashif Saeed, Benjamin A. Johnson, Amin M. E. -A. Diab, Benjamin M. Rodriguez
首次提交：2026-10-07 10:29
研究任务与主要进展
基于论文摘要，作者用受约束扩散模型学习13维轨道先验，以800条参考轨迹进行增强，并在Basilisk中按五类力模型层级传播样本。扩散模型的留出轨迹MMD为0.0171±0.0239，接近抖动Bootstrap的0.0170和混合模型的0.0198，但样本更偏离训练先验；所有生成器在偏移群体上的分类器AUC均为0.991–0.998。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org