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:2603.24238

予測時空間観測と深層強化学習による分散型エンドツーエンド多機追跡

Decentralized End-to-End Multi-AAV Pursuit Using Predictive Spatio-Temporal Observation via Deep Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

LiDAR生データから直接制御指令を生成する分散型MARLフレームワークを提案し、予測時空間観測により障害物回避と動的目標の包囲を実現、実機ドローン群で検証した。

詳しい要約

1. どんなもの?

- 本研究は、障害物環境下での分散協調追跡を自律飛行ロボット群で実現するための新しいフレームワークを提案する。 - 生のLiDAR観測から連続制御コマンドを直接マッピングする、分散型エンドツーエンドのマルチエージェント強化学習(MARL)を採用。 - 中心技術はPredictive Spatio-Temporal Observation (PSTO)で、自己中心的なグリッド表現により障害物形状、予測される敵対的意図、チームメイトの動きを統一的に固定解像度で投影する。 - 単一の分散ポリシーで、静的障害物の回避、動的ターゲットの迎撃、協調的な包囲を実現。

2. 先行研究と比べてどこがすごい?

- 既存手法は抽象化された幾何特徴や特権的な真値状態に依存し、実世界での知覚不確実性を回避していた。 - 提案手法は生のLiDAR観測を直接利用し、知覚不確実性に対処する点が優れている。 - 特権的な障害物情報に依存する最先端の学習ベース手法と比較して、優れた捕捉効率と競争力のある成功率を達成。 - 再トレーニングなしで異なるチームサイズにシームレスにスケールする統一ポリシーを実現。

3. 技術・手法の肝は?

- 分散型エンドツーエンドMARLフレームワークで、生のLiDAR観測を連続制御コマンドに直接マッピング。 - PSTOは自己中心的なグリッド表現で、障害物形状、予測される敵対的意図、チームメイトの動きを統一的な固定解像度投影で整合。 - PSTOに基づき、単一の分散ポリシーが静的障害物回避、動的ターゲット迎撃、協調包囲を可能にする。 - 詳細なアルゴリズムやネットワーク構造は要旨からは不明。

4. どうやって有効だと検証した?

- シミュレーションで、特権的な障害物情報に依存する最先端の学習ベース手法と比較し、優れた捕捉効率と競争力のある成功率を実証。 - 統一ポリシーが再トレーニングなしで異なるチームサイズにスケールすることを確認。 - 完全自律的な屋外実験で、オンボードセンシングとコンピューティングのみに依存するクアッドロータスワームでフレームワークを検証。

5. 議論はある?

- 要旨からは、提案手法の限界や議論の詳細は不明。 - シミュレーションと屋外実験の結果は示されているが、失敗ケースや一般化可能性に関する議論は要旨からは不明。

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が、関連手法として特権的な障害物情報に依存するstate-of-the-art learning-based approachesが挙げられる。 - 同分野の定番として、マルチエージェント強化学習(MARL)や分散協調制御に関する一般的な論文が考えられる。

※ 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: Yude Li, Zhexuan Zhou, Huizhe Li, Yanke Sun, Yenan Wu, Yichen Lai, Yiming Wang, Youmin Gong, Jie Mei

分類: cs.RO

原文アブストラクト

Decentralized cooperative pursuit in cluttered environments is challenging for autonomous aerial swarms, especially under partial and noisy perception. Existing methods often rely on abstracted geometric features or privileged ground-truth states, and therefore sidestep perceptual uncertainty in real-world settings. We propose a decentralized end-to-end multi-agent reinforcement learning (MARL) framework that maps raw LiDAR observations directly to continuous control commands. Central to the framework is the Predictive Spatio-Temporal Observation (PSTO), an egocentric grid representation that aligns obstacle geometry with predictive adversarial intent and teammate motion in a unified, fixed-resolution projection. Built on PSTO, a single decentralized policy enables agents to navigate static obstacles, intercept dynamic targets, and maintain cooperative encirclement. Simulations demonstrate that the proposed method achieves superior capture efficiency and competitive success rates compared to state-of-the-art learning-based approaches relying on privileged obstacle information. Furthermore, the unified policy scales seamlessly across different team sizes without retraining. Finally, fully autonomous outdoor experiments validate the framework on a quadrotor swarm relying on only onboard sensing and computing.

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