日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

UAV/プランニングarXiv:2508.11890

BDIベース自律UAVフレームワークへの記号的強化学習プランニングの統合:システム統合とSIL検証

Integrating Symbolic RL Planning into a BDI-based Autonomous UAV Framework: System Integration and SIL Validation

シェア:XThreadsFacebookLINEはてブBluesky

UAVの認知マルチエージェントアーキテクチャAMADにPDDLベースの記号的強化学習を組み込み、動的ミッション計画を可能にするAMAD-SRLを提案し、SIL環境でモジュール統合とBDI/RL間の遷移を検証した。

詳しい要約

1. どんなもの?

- 自律 UAV のミッション計画・実行のためのフレームワーク「AMAD-SRL」を提案する研究 - AMAD (Autonomous Mission Agents for Drones) という認知マルチエージェントアーキテクチャを拡張・洗練したもの - Symbolic RL (SRL) を PDDL ベースで組み込み、動的なミッション計画と実行を可能にする - BDI 駆動の計画フェーズと symbolic RL 駆動の計画フェーズを統合する - SIL (Software-in-the-Loop) 環境で検証し、HILS への移行を想定した構成をとる

2. 先行研究と比べてどこがすごい?

- 従来の rule-based アーキテクチャは UAV 自律のための構造的推論に強いが、動的に複雑な環境での適応的な symbolic planning には不足 - SRL は PDDL を用いてドメイン知識と運用制約を明示的に統合し、UAV 意思決定の信頼性と安全性を向上させる - 提案手法は BDI ベースの構造的推論と SRL の適応性を組み合わせる点が特徴 - カバレッジベースの baseline と比較して、移動距離削減で約 75% のミッション効率改善を報告 - ただし具体的な先行研究名との直接比較は要旨からは不明

3. 技術・手法の肝は?

- AMAD 認知マルチエージェントアーキテクチャを拡張した AMAD-SRL フレームワーク - Symbolic RL (SRL) に PDDL (Planning Domain Definition Language) を用い、ドメイン知識と運用制約を明示的に表現 - BDI 駆動の計画フェーズと symbolic RL 駆動の計画フェーズ間の遷移を統合 - SIL 環境を HILS プラットフォームと同一構成で構築し、実ハードウェアへの円滑な移行を狙う - ターゲット獲得シナリオで、監視パス計画と脅威ゾーン回避を伴う動的再進入パスを扱う

4. どうやって有効だと検証した?

- Software-in-the-Loop (SIL) 環境で検証 - SIL 環境は想定される HILS プラットフォームと同一に構成 - モジュール間の安定的な統合と相互運用性を確認 - BDI 駆動と symbolic RL 駆動の計画フェーズ間の遷移が成功することを確認 - 一貫したミッション性能を確認 - ターゲット獲得シナリオで、カバレッジベース baseline 比で移動距離削減により約 75% のミッション効率改善を測定

5. 議論はある?

- 複雑な UAV ミッションを扱うための堅牢な基盤を確立したと主張 - さらなる強化と検証の方向性について議論していると記載 - 具体的な限界や議論の詳細は要旨からは不明 - 実ハードウェアでの検証は今後の課題として示唆される(HILS への移行を前提とした構成)

6. 次に読むべき論文は?

- AMAD (Autonomous Mission Agents for Drones) の原論文 - Symbolic RL (SRL) および PDDL を用いた計画に関する研究 - BDI (Belief-Desire-Intention) アーキテクチャに基づく UAV 自律研究 - HILS (Hardware-In-the-Loop Simulation) を用いた UAV 検証研究 - カバレッジベースの UAV 経路計画 baseline に関する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Sangwoo Jeon, Juchul Shin, YeonJe Cho, Gyeong-Tae Kim, Seongwoo Kim

分類: cs.RO, cs.AI

原文アブストラクト

Modern autonomous drone missions increasingly require software frameworks capable of seamlessly integrating structured symbolic planning with adaptive reinforcement learning (RL). Although traditional rule-based architectures offer robust structured reasoning for drone autonomy, their capabilities fall short in dynamically complex operational environments that require adaptive symbolic planning. Symbolic RL (SRL), using the Planning Domain Definition Language (PDDL), explicitly integrates domain-specific knowledge and operational constraints, significantly improving the reliability and safety of unmanned aerial vehicle (UAV) decision making. In this study, we propose the AMAD-SRL framework, an extended and refined version of the Autonomous Mission Agents for Drones (AMAD) cognitive multi-agent architecture, enhanced with symbolic reinforcement learning for dynamic mission planning and execution. We validated our framework in a Software-in-the-Loop (SIL) environment structured identically to an intended Hardware-In-the-Loop Simulation (HILS) platform, ensuring seamless transition to real hardware. Experimental results demonstrate stable integration and interoperability of modules, successful transitions between BDI-driven and symbolic RL-driven planning phases, and consistent mission performance. Specifically, we evaluate a target acquisition scenario in which the UAV plans a surveillance path followed by a dynamic reentry path to secure the target while avoiding threat zones. In this SIL evaluation, mission efficiency improved by approximately 75% over a coverage-based baseline, measured by travel distance reduction. This study establishes a robust foundation for handling complex UAV missions and discusses directions for further enhancement and validation.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI