強化学習による反応的なアクロバット飛行

- 本研究は、quadrotor の極端な aerobatic maneuver を end-to-end の強化学習で実現する枠組みである。 - drone states と aerobatic intentions を直接 control commands に写像する。 - 軌道最適化と追従制御の分離を排し、単一 policy の最適化を行う。 - 連続 inverted flight 中に moving gate を reactive に通過する実機デモを含む。

- 従来の trajectory optimization と tracking control を分離する手法に対し、追従誤差・計算遅延・初期条件敏感性を回避できる点が主張されている。 - modular separation を排除し、end-to-end policy optimization により extreme aerobatic maneuvers を扱う。 - 実機で continuous inverted flight と moving gate の reactive navigation を自律達成した初の例と述べられている。

- 強化学習ベースの framework で、drone states と aerobatic intentions から control commands へ直接写像する policy を学習する。 - 効率的で安定した学習のため、aerobatic task difficulty を動的に調整する automated curriculum learning strategy を導入する。 - robust な zero-shot sim-to-real transfer のため domain randomization を用いる。

- 要求の厳しい real-world experiments で検証している。 - 具体的には、drone が continuous inverted flight を行いながら moving gate を reactive に通過する自律デモを実現した。 - ただし定量的指標や比較実験の詳細は要旨からは不明。

- 要旨からは不明。 - 主張として tracking inaccuracies・computational latency・初期条件敏感性の克服が挙げられているが、限界や失敗事例の議論は要旨に記載がない。

- 要旨で参照・比較されている trajectory optimization と tracking control の分離型手法。 - 関連手法として reinforcement learning、automated curriculum learning、domain randomization、sim-to-real transfer の各文献。 - 同分野の定番として quadrotor の aggressive maneuver に関する learning-based control 研究。