日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

強化学習/ドローン制御arXiv:2602.10997

幾何学的対称性を活用したドローンのアクロバット飛行のマルチタスク強化学習

Multi-Task Reinforcement Learning of Drone Aerobatics by Exploiting Geometric Symmetries

シェア:XThreadsFacebookLINEはてブBluesky

ドローンのアクロバット飛行をマルチタスクで学習するため、機体の回転対称性をポリシーネットワークに組み込んだ強化学習フレームワークGEARを提案し、高い成功率と実機での複雑な機動を実現した。

詳しい要約

1. どんなもの?

- 自律型MAVのアクロバティック飛行制御を対象とした研究。 - 複数のアクロバティック機動(flips, rolls, Power Loopなど)を単一のポリシーで学習するマルチタスク強化学習フレームワークGEARを提案。 - MAVの動力学に内在するSO(2)回転対称性を活用し、ポリシーネットワークに組み込む。 - 等変アクターネットワーク、FiLMベースのタスク変調、マルチヘッドクリティックを統合。 - データ効率が高く、堅牢で統一的なアクロバティック制御を実現。

2. 先行研究と比べてどこがすごい?

- 従来のRL手法はデータ効率が低く、汎化性能が限定的。 - マルチタスクシナリオではさらに困難。 - GEARはSO(2)対称性を明示的に活用することで、これらの問題を克服。 - 様々なアクロバティックタスクで98.85%の成功率を達成し、ベースライン手法を大幅に上回る。 - 実世界実験で複数の機動の安定した実行と、基本動作の組み合わせによる複雑なアクロバティックの完了を実証。

3. 技術・手法の肝は?

- MAV動力学のSO(2)回転対称性を活用。 - 等変アクターネットワークをポリシーに統合。 - FiLMベースのタスク変調を採用。 - マルチヘッドクリティックを使用。 - これらにより、多様なアクロバティック機動の学習で効率と柔軟性を両立。

4. どうやって有効だと検証した?

- 様々なアクロバティックタスクで98.85%の成功率を達成。 - ベースライン手法と比較して大幅に優れることを確認。 - 実世界実験で複数の機動の安定した実行を実証。 - 基本動作を組み合わせて複雑なアクロバティックを完了する能力も確認。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の関連手法として、一般的な強化学習(RL)やマルチタスク強化学習、等変ネットワーク(equivariant networks)などが挙げられる。

※ 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: Zhanyu Guo, Zikang Yin, Guobin Zhu, Shiliang Guo, Shiyu Zhao

分類: cs.RO

原文アブストラクト

Flight control for autonomous micro aerial vehicles (MAVs) is evolving from steady flight near equilibrium points toward more aggressive aerobatic maneuvers, such as flips, rolls, and Power Loop. Although reinforcement learning (RL) has shown great potential in these tasks, conventional RL methods often suffer from low data efficiency and limited generalization. This challenge becomes more pronounced in multi-task scenarios where a single policy is required to master multiple maneuvers. In this paper, we propose a novel end-to-end multi-task reinforcement learning framework, called GEAR (Geometric Equivariant Aerobatics Reinforcement), which fully exploits the inherent SO(2) rotational symmetry in MAV dynamics and explicitly incorporates this property into the policy network architecture. By integrating an equivariant actor network, FiLM-based task modulation, and a multi-head critic, GEAR achieves both efficiency and flexibility in learning diverse aerobatic maneuvers, enabling a data-efficient, robust, and unified framework for aerobatic control. GEAR attains a 98.85\% success rate across various aerobatic tasks, significantly outperforming baseline methods. In real-world experiments, GEAR demonstrates stable execution of multiple maneuvers and the capability to combine basic motion primitives to complete complex aerobatics.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI