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/制御arXiv:2607.02037

適応的強化学習による自律水上艇のクロスプラットフォーム制御

Cross-Platform Control for Autonomous Surface Vehicles via Adaptive Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

単一のポリシーで異なる水上艇にゼロショット適用可能な適応的強化学習手法を提案し、実機2機種で非適応ベースラインを最大58%上回る追従精度を達成した。

詳しい要約

1. どんなもの?

本論文は、Autonomous Surface Vehicles (ASV) の軌道追従制御において、単一のポリシーで異なるプラットフォームにゼロショット展開可能な適応的強化学習手法を提案する。プラットフォームの動特性が未知であるため、相互作用履歴に基づく部分観測問題として扱い、Teacher-Studentアーキテクチャを用いてプラットフォーム動特性の潜在表現を学習する。ポリシーはランダム化された船舶動特性のシミュレーションで訓練され、実世界の2つの異なるプラットフォームに微調整なしで展開される。

2. 先行研究と比べてどこがすごい?

従来のASV制御は単一プラットフォーム向けに設計されることが多く、異なるプラットフォームへの展開には再設計や再調整が必要である。本手法は、単純な解析的動特性モデルを用いながら、高忠実度の流体力学シミュレータに依存せずに、ゼロショットで複数プラットフォームに適応できる点が新しい。また、非適応的な学習ベースのベースラインと比較して、実世界で最大58%の位置平均絶対誤差の改善を達成し、プラットフォーム固有の調整済みコントローラに匹敵する追跡精度を示す。

3. 技術・手法の肝は?

手法の核心は、Teacher-Studentアーキテクチャを用いて、相互作用履歴からプラットフォーム動特性の潜在表現を推論するモジュールを学習することである。ポリシーはこの潜在表現を条件として軌道追従を行う。訓練時には、シミュレーションで船舶動特性をランダム化し、多様なプラットフォームに対する汎化を促す。展開時には、実プラットフォームの動特性は未知だが、履歴から潜在表現を推定することで適応する。

4. どうやって有効だと検証した?

シミュレーションでランダム化された動特性を用いてポリシーを訓練し、実世界の2つの異なるASVプラットフォームにゼロショット展開した。実世界実験において、適応的ポリシーは非適応的な学習ベースのベースラインを位置平均絶対誤差で最大58%上回り、プラットフォーム固有の調整済みコントローラに近い追跡精度を達成した。

5. 議論はある?

要旨からは、提案手法が単純な解析的動特性モデルに依存している点や、高忠実度シミュレータを使用しない点が議論の余地がある。また、ゼロショット展開の成功は、訓練時の動特性のランダム化の範囲に依存する可能性があり、その範囲外のプラットフォームへの適用は不明である。さらに、適応のための履歴の長さや潜在表現の解釈性なども議論の対象となり得るが、詳細は要旨からは不明。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、Teacher-Studentアーキテクチャや部分観測強化学習、sim-to-real転移の手法が挙げられる。具体的には、適応的強化学習やメタラーニングを用いた制御、ASVのモデル予測制御などが関連する。次に読むべき論文としては、これらの分野の代表的な研究が考えられるが、要旨に明示的な参照がないため、同分野の定番であるDomain RandomizationやSystem Identificationを用いた強化学習の論文を挙げる。

※ 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: Ruiheng Jiang, Thomas Bi, Raffaello D'Andrea, Aswin Ramachandran

分類: cs.RO, cs.LG

原文アブストラクト

Autonomous surface vehicles vary widely in hydrodynamic and actuation characteristics, yet most controllers are designed for single-platform deployment. We present an adaptive reinforcement learning approach for trajectory tracking that enables zero-shot cross-platform deployment using a single policy. Since the deployment platform's dynamics are unknown to the policy, we address cross-platform generalization with the standard partial-observability approach of conditioning on interaction history, employing a teacher-student architecture in which a learned module infers a latent representation of the platform dynamics. The policy is trained in simulation under randomized vessel dynamics and is deployed zero-shot to two real-world platforms without any fine-tuning, despite relying on a simple analytical dynamics model rather than a high-fidelity hydrodynamic simulator. In real-world experiments on two different platforms, the adaptive policy outperforms non-adaptive learning-based baselines by up to 58% in position mean absolute error while approaching the tracking accuracy of a platform-specific tuned controller.

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