飛行制御/基盤モデル/sim2real2025/9/1arXiv:2509.11481

RAPTOR: クアッドロータ制御のための基盤ポリシー

RAPTOR: A Foundation Policy for Quadrotor Control

1000種類のクアッドロータを強化学習で訓練した教師ポリシーを、再帰層を持つ小型ニューラルネットに蒸留し、多様な実機にゼロショット適応できる基盤ポリシーを実現した。

詳しい要約

1. どんなもの？

- quadrotor制御のための適応型foundation policy「RAPTOR」を提案する研究 - 単一のend-to-end neural-network policyで多様なquadrotorを制御 - 32 g〜2.4 kgの10機の実機で検証 - モータ種別(brushed/brushless)、frame(soft/rigid)、propeller(2/3/4-blade)、flight controller(PX4/Betaflight/Crazyflie/M5StampFly)が多様 - 2084パラメータの3層の小型policyでzero-shot適応を実現

2. 先行研究と比べてどこがすごい？

- 従来のRL policyは単一環境に過度に特化し、Sim2Real gapや小さなシステム変化でも破綻 - 従来はsystem identificationや再学習が必要だった - RAPTORは単一policyで広範な機体にzero-shot適応 - わずか2084パラメータの3層policyで実現する点が特徴 - ミリ秒以内に未見のquadrotorへ適応

3. 技術・手法の肝は？

- 隠れ層にrecurrenceを導入しin-context learningによる適応を可能にする - Meta-Imitation Learningアルゴリズムを提案 - 1000機のquadrotorをサンプリングし、各々にRLでteacher policyを訓練 - 1000のteacherを単一の適応型student policyへdistill - end-to-endのneural-network policyとして学習

4. どうやって有効だと検証した？

- 32 g〜2.4 kgの10種の実機quadrotorで検証 - モータ種別・frame種別・propeller枚数・flight controllerの多様性を含む - trajectory tracking、屋内/屋外、wind disturbance、poking、異なるpropellerなど多数の条件で試験 - 未見のquadrotorへのzero-shot適応を確認

5. 議論はある？

- 要旨からは不明(具体的な限界や失敗事例の議論は記述なし) - 多様な条件での試験結果は述べられるが、詳細な議論は要旨に含まれない

6. 次に読むべき論文は？

- 要旨で参照/比較されている個別研究は明示されていない - 関連手法としてReinforcement Learning(RL)、Sim2Real、system identification、Meta-Imitation Learning、teacher-student distillation、in-context learningが挙げられる - 同分野の定番としてquadrotor controlやadaptive policyに関する研究が次に読む候補

※ 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: Jonas Eschmann, Dario Albani, Giuseppe Loianno

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Humans are remarkably data-efficient when adapting to new unseen conditions, like driving a new car. In contrast, modern robotic control systems, like neural network policies trained using Reinforcement Learning (RL), are highly specialized for single environments. Because of this overfitting, they are known to break down even under small differences like the Simulation-to-Reality (Sim2Real) gap and require system identification and retraining for even minimal changes to the system. In this work, we present RAPTOR, a method for training a highly adaptive foundation policy for quadrotor control. Our method enables training a single, end-to-end neural-network policy to control a wide variety of quadrotors. We test 10 different real quadrotors from 32 g to 2.4 kg that also differ in motor type (brushed vs. brushless), frame type (soft vs. rigid), propeller type (2/3/4-blade), and flight controller (PX4/Betaflight/Crazyflie/M5StampFly). We find that a tiny, three-layer policy with only 2084 parameters is sufficient for zero-shot adaptation to a wide variety of platforms. The adaptation through in-context learning is made possible by using a recurrence in the hidden layer. The policy is trained through our proposed Meta-Imitation Learning algorithm, where we sample 1000 quadrotors and train a teacher policy for each of them using RL. Subsequently, the 1000 teachers are distilled into a single, adaptive student policy. We find that within milliseconds, the resulting foundation policy adapts zero-shot to unseen quadrotors. We extensively test the capabilities of the foundation policy under numerous conditions (trajectory tracking, indoor/outdoor, wind disturbance, poking, different propellers).

arXivで原文を読む →arXiv概要ページ

← 論文一覧