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/飛行ロボットarXiv:2603.10714

MAVEN: 動的変化に強いアジャイルクアッドローター操縦のためのメタ強化学習フレームワーク

MAVEN: A Meta-Reinforcement Learning Framework for Varying-Dynamics Expertise in Agile Quadrotor Maneuvers

シェア:XThreadsFacebookLINEはてブBluesky

クアッドローターの動的特性が大きく変わる状況でも単一のポリシーで頑健にナビゲーションできるよう、予測的コンテキストエンコーダを備えたメタ強化学習フレームワークMAVENを提案し、質量変化や単一ローター推力喪失下での適応性と実機へのゼロショット転送を実証した。

詳しい要約

1. どんなもの?

- 四旋翼機のagile maneuverにおける動的変化に対応するmeta-RLフレームワークMAVENを提案。 - 単一のpolicyで広範囲のquadrotor dynamicsに適応し、end-to-end navigationを実現。 - 質量変動や単一rotor推力損失下でのwaypoint traversalタスクを対象。

2. 先行研究と比べてどこがすごい?

- 標準的なRLでは動的変動への汎化が不十分で適応性に欠ける。 - MAVENはmeta-RLにより単一policyで広範なdynamics変化にロバストに対応。 - 予測的context encoderで履歴からdynamicsの潜在表現を推論し、適応を実現。

3. 技術・手法の肝は?

- meta-RLフレームワークで、予測的context encoderがinteraction historyからシステムdynamicsの潜在表現を学習。 - GPU-vectorized simulatorで数千の並列環境にタスクを分散し、meta-RLの長い訓練時間を1時間未満に短縮。 - 単一policyがend-to-endでagile waypoint traversalを実行。

4. どうやって有効だと検証した?

- シミュレーションと実世界の両方で広範な実験を実施。 - 質量変動最大66.7%、単一rotor推力損失最大70%の条件下で高速maneuverを実行。 - zero-shot sim-to-real transferを成功させ、オンライン適応のロバスト性を実証。

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。関連手法としてmeta-RL、context encoder、sim-to-real transfer、quadrotor agile navigationの定番研究が挙げられる。

※ 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: Jin Zhou, Dongcheng Cao, Xian Wang, Shuo Li

分類: cs.RO

原文アブストラクト

Reinforcement learning (RL) has emerged as a powerful paradigm for achieving online agile navigation with quadrotors. Despite this success, policies trained via standard RL typically fail to generalize across significant dynamic variations, exhibiting a critical lack of adaptability. This work introduces MAVEN, a meta-RL framework that enables a single policy to achieve robust end-to-end navigation across a wide range of quadrotor dynamics. Our approach features a novel predictive context encoder, which learns to infer a latent representation of the system dynamics from interaction history. We demonstrate our method in agile waypoint traversal tasks under two challenging scenarios: large variations in quadrotor mass and severe single-rotor thrust loss. We leverage a GPU-vectorized simulator to distribute tasks across thousands of parallel environments, overcoming the long training times of meta-RL to converge in less than an hour. Through extensive experiments in both simulation and the real world, we validate that MAVEN achieves superior adaptation and agility. The policy successfully executes zero-shot sim-to-real transfer, demonstrating robust online adaptation by performing high-speed maneuvers despite mass variations of up to 66.7% and single-rotor thrust losses as severe as 70%.

  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

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