日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

sim2realarXiv:2603.05995

TADPO: 強化学習でオフロードを走破する

TADPO: Reinforcement Learning Goes Off-road

シェア:XThreadsFacebookLINEはてブBluesky

PPOを拡張し、教師によるオフポリシー軌道と生徒のオンポリシー探索を組み合わせた新手法TADPOを提案し、高速オフロード走行を実現。実車へのゼロショットsim2real転移に成功した。

詳しい要約

1. どんなもの?

- オフロード自律走行のための強化学習(RL)手法TADPOを提案。 - 教師によるオフポリシー軌道と学生のオンポリシー軌道を組み合わせたポリシー勾配定式化。 - 視覚ベースのエンドツーエンドRLシステムを構築し、高速オフロード走行を実現。 - シミュレーションと実車でのゼロショットsim-to-real転移を実証。 - フルスケールオフロード車両へのRLポリシー展開は初。

2. 先行研究と比べてどこがすごい?

- 従来のRLはオフロード走行のような長ホライズン・低信号報酬タスクに適用が困難。 - TADPOはPPOを拡張し、オフポリシー軌道を教師指導に、オンポリシー軌道を学生探索に活用。 - これにより長ホライズン計画と適応制御を可能にし、極端な斜面や障害物の多い地形を高速で走行。 - フルスケール実車へのゼロショットsim-to-real転移を初めて実現。

3. 技術・手法の肝は?

- PPOを基盤とし、オフポリシー軌道(教師)とオンポリシー軌道(学生)を組み合わせた新たなポリシー勾配定式化。 - 教師指導により低信号報酬下での学習を安定化。 - 学生探索によりオンライン適応を促進。 - 視覚入力から直接制御を出力するエンドツーエンドRLシステム。

4. どうやって有効だと検証した?

- シミュレーション環境で性能を実証。 - フルスケールオフロード車両へのゼロショットsim-to-real転移を実証。 - 極端な斜面や障害物の多い地形での高速走行を検証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- PPO (Proximal Policy Optimization) - オフロード自律走行に関するRL研究 - sim-to-real転移に関する研究

※ 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: Zhouchonghao Wu, Raymond Song, Vedant Mundheda, Luis E. Navarro-Serment, Christof Schoenborn, Jeff Schneider

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Off-road autonomous driving poses significant challenges such as navigating unmapped, variable terrain with uncertain and diverse dynamics. Addressing these challenges requires effective long-horizon planning and adaptable control. Reinforcement Learning (RL) offers a promising solution by learning control policies directly from interaction. However, because off-road driving is a long-horizon task with low-signal rewards, standard RL methods are challenging to apply in this setting. We introduce TADPO, a novel policy gradient formulation that extends Proximal Policy Optimization (PPO), leveraging off-policy trajectories for teacher guidance and on-policy trajectories for student exploration. Building on this, we develop a vision-based, end-to-end RL system for high-speed off-road driving, capable of navigating extreme slopes and obstacle-rich terrain. We demonstrate our performance in simulation and, importantly, zero-shot sim-to-real transfer on a full-scale off-road vehicle. To our knowledge, this work represents the first deployment of RL-based policies on a full-scale off-road platform.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI