日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

宇宙機マニピュレーション/強化学習arXiv:2605.25362

事前方針誘導による宇宙機-マニピュレータシステムのデュアルエージェント協調操作計画

Prior Policy Guided Dual-Agent Coordinated Manipulation Planning of Spacecraft-Manipulator System

シェア:XThreadsFacebookLINEはてブBluesky

宇宙機とマニピュレータの動的干渉を考慮し、エンドエフェクタの高精度到達とベース姿勢安定化を同時に実現するデュアルエージェント協調計画フレームワークを提案した。事前方針誘導型深層強化学習とタイムステップレベル専門家切替機構を導入し、学習効率と成功率を向上させた。

詳しい要約

1. どんなもの?

- 宇宙機と6-DoFマニピュレータの協調操作計画問題を扱う。 - マニピュレータとベースの動的結合が姿勢安定性を損なう課題に対し、Dual-Agent Coordinated Manipulation Planning (DACMP) を提案。 - エンドエフェクタの高精度姿勢到達とベース宇宙機の姿勢安定化を同時に達成する。

2. 先行研究と比べてどこがすごい?

- 従来のDRLベースラインと比較して、タスク成功率と制御精度で大幅に優位。 - システム制約、環境外乱、知覚不確実性を含む困難なシナリオでもロバスト性を検証。 - 先行研究との具体的な比較対象は要旨からは不明。

3. 技術・手法の肝は?

- 事前ポリシー誘導型のDeep Reinforcement Learningを採用。 - Timestep-level Expert Switching Guidance (TESG) 機構を導入。 - これにより大域収束を促進し、タスク成功率を向上させる。

4. どうやって有効だと検証した?

- 広範な実験を実施し、ベースラインDRLアルゴリズムと比較。 - タスク成功率と制御精度でDACMPが有意に優れることを示す。 - システム制約、環境外乱、知覚不確実性下でのロバスト性を検証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、Space Manipulator の協調制御、Deep Reinforcement Learning を用いた宇宙ロボット操作、Prior Policy Guided DRL 関連の論文を挙げる。

※ 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: Yuhui Hu, Dong Zhou, Kaihong Ouyang, Zhongliang Yu, Jianfeng Lv, Xiangyu Shao

分類: cs.RO

原文アブストラクト

The strong dynamic coupling between the manipulator and the base poses a significant challenge to maintaining spacecraft attitude stability, potentially compromising mission safety. In this paper, we propose a Dual-Agent Coordinated Manipulation Planning (DACMP) framework that simultaneously achieves high-precision end-effector pose reaching for a 6-DoF space manipulator and attitude stabilization of the base spacecraft. To enhance learning efficiency, we present a prior policy-guided Deep Reinforcement Learning algorithm incorporating the Timestep-level Expert Switching Guidance (TESG) mechanism, thereby promoting global convergence and improving task success rates. Extensive experiments demonstrate that DACMP significantly outperforms baseline DRL algorithms in terms of task success rate and control precision. Furthermore, the robustness of DACMP is validated under various challenging scenarios, including system constraints, environmental disturbances, and perception uncertainties. The code and simulation configurations are available on GitHub: https://github.com/HIT-YuhuiHu/DACMP.

  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

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