日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2509.14126

CrazyMARL: ケーブル吊り下げペイロードの協調輸送のための分散型直接モーター制御ポリシー

CrazyMARL: Decentralized Direct Motor Control Policies for Cooperative Aerial Transport of Cable-Suspended Payloads

シェア:XThreadsFacebookLINEはてブBluesky

複数UAVがケーブルで吊り下げたペイロードを協調輸送するため、分散型強化学習で直接モーター制御ポリシーを学習し、ケーブルの緩み・張り遷移や外乱に頑健で、シミュレーションから実機へのゼロショット転移も実現した。

詳しい要約

1. どんなもの?

- 複数 UAV による cable-suspended payload の協調輸送のための分散型強化学習フレームワーク CrazyMARL を提案する研究。 - 各 UAV が decentralized な direct motor control policy を学習し、payload の非線形ダイナミクスや cable の slack-taut 遷移に対処する。 - 対象は災害救助から精密物流までの応用を想定した、耐外乱で高精度な UAV チーム輸送。

2. 先行研究と比べてどこがすごい?

- 従来の multi-UAV cable-suspended payload 研究は rigid-link 仮定に依存し、cable mode transitions を扱っていないと著者らは述べる。 - 本研究は multi-UAV 文脈で slack-taut cable dynamics の遷移を明示的に扱う点を新規性とする。 - 古典的 decentralized controllers と比較し、外乱除去と追従精度で優位、厳しい条件からの recovery rate が 80% 対 baseline 44% と報告。

3. 技術・手法の肝は?

- decentralized RL により、各 UAV の direct motor control policies を学習する枠組み。 - cable-suspended payload の非線形ダイナミクス、外乱、slack-taut cable modes を含むシミュレーションで policy を訓練。 - 詳細な network 構成や報酬設計、学習アルゴリズムは要旨からは不明。

4. どうやって有効だと検証した?

- シミュレーションで古典的 decentralized controllers と比較し、disturbance rejection と tracking precision を評価。 - 厳しい条件からの recovery rate が 80%(baseline 44%)であることを示す。 - zero-shot sim-to-real transfer を達成し、wind、random external disturbances、slack-taut 遷移下での robustness を実機で確認。

5. 議論はある?

- slack-taut cable mode transitions を含む厳しい条件下での robustness と sim-to-real 転移の成功を主張。 - 一方、実機実験の規模、baseline の詳細、失敗事例や限界については要旨からは不明。 - 非構造環境での複雑な payload ミッションへの道を開くと述べるが、一般化やスケーラビリティの議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で比較されている classical decentralized controllers に関する研究。 - rigid-link 仮定を用いた従来の multi-UAV cable-suspended payload transport 研究。 - 関連手法として multi-agent reinforcement learning(MARL)および sim-to-real transfer の代表的文献。

※ 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: Viktor Lorentz, Khaled Wahba, Sayantan Auddy, Marc Toussaint, Wolfgang Hönig

分類: cs.RO, cs.MA

原文アブストラクト

Collaborative transportation of cable-suspended payloads by teams of UAVs has the potential to enhance payload capacity, adapt to different payload shapes, and provide built-in compliance, making it attractive for applications ranging from disaster relief to precision logistics. However, multi-UAV coordination under disturbances, nonlinear payload dynamics, and slack-taut cable modes remains a challenging control problem. To our knowledge, no prior work has addressed these cable mode transitions in the multi-UAV context, instead relying on simplifying rigid-link assumptions. We propose CrazyMARL, a decentralized RL framework for multi-UAV cable-suspended payload transport. Simulation results demonstrate that the learned policies can outperform classical decentralized controllers in terms of disturbance rejection and tracking precision, achieving an 80% recovery rate from harsh conditions compared to 44% for the baseline method. We also achieve successful zero-shot sim-to-real transfer and demonstrate that our policies are highly robust under harsh conditions, including wind, random external disturbances, and transitions between slack and taut cable dynamics. This work paves the way for autonomous, resilient UAV teams capable of executing complex payload missions in unstructured environments. Code and videos can be found on the website: https://imrclab.github.io/CrazyMARL.

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. 2GXO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
  3. 3newmo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
  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