日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

水中ロボット/強化学習/sim2realarXiv:2607.09557

CORAL-AUV: CFD指向の強化学習による自律型水中ビークル制御

CORAL-AUV: CFD Oriented Reinforcement Learning for Autonomous Underwater Vehicles

シェア:XThreadsFacebookLINEはてブBluesky

CFDデータから学習したサロゲート抗力モデルを強化学習に組み込み、実機の6自由度AUVにゼロショットで適用可能な制御ポリシーを初めて実証した。従来の簡易物理モデルと比較して、エネルギー消費31%削減、移動時間11%短縮、誤差19%低減を達成した。

詳しい要約

1. どんなもの?

本論文は、AUV(自律型水中ロボット)の精密な制御と位置決めを目的とし、CFD(計算流体力学)に基づく高精度な抗力モデルをRL(強化学習)パイプラインに組み込む手法を提案している。具体的には、CFDデータで訓練されたサロゲート抗力モデル(SDM)をRLポリシーの訓練に用いることで、シミュレーションと実機のギャップ(sim-to-real gap)を低減し、ゼロショットで実機に転移可能なポリシーを学習する。6自由度(6-DOF)のAUVに対して、SDMを用いたRLポリシーを初めて実機にゼロショット適用した。

2. 先行研究と比べてどこがすごい?

従来のAUV制御は手動調整に依存し、構成変更や環境変化に対してロバストでない。RLはドメインランダマイゼーション(DR)により多様なパラメータに対応できるが、シミュレーションの物理精度に限界があり、特に抗力モデルの不正確さがsim-to-realギャップの主因である。一方、CFDは高精度な抗力モデルを提供するが計算コストが高くRLに直接組み込むのは困難。本手法はCFDモデルのサロゲート近似を訓練することで、RL内で高速推論を可能にし、CFDの精度とRLの効率を両立した点が新しい。

3. 技術・手法の肝は?

手法の核心は、特定の車両に対するCFDモデルのサロゲート近似(SDM)を訓練し、それをRLポリシーの訓練環境に組み込むこと。SDMはCFDデータから学習され、RLパイプライン内で高速に推論できる。これにより、DRを用いて様々な摂動パラメータに対応しつつ、現実的な抗力物理を考慮した訓練が可能となる。また、ゼロショット転移を狙い、訓練はシミュレーション内で完結し、実機にはそのまま適用される。

4. どうやって有効だと検証した?

検証は、制御されたタンク環境とフィールド(実海域)で実施された。提案手法(CFDポリシー)は、簡略化された物理モデルを用いたコントローラと比較され、ウェイポイント間の移動においてエネルギー消費が31%低減、速度が11%向上、誤差が19%減少した。さらに、DRを用いて摂動パラメータを持つタスクを実行した場合、CFDポリシーのみが成功裏に転移した。また、報酬整形の設計選択に対するロバスト性も評価され、SDMベースのRLコントローラはゼロショット転移の予測がより正確であることが示された。

5. 議論はある?

要旨からは、SDMの訓練データ生成にかかるCFD計算コストや、SDMの近似精度の限界、異なる車両構成への適用可能性などに関する議論は明示されていない。また、タンク環境とフィールドでの評価結果の差異や、DRの摂動範囲の設定方法についての詳細も不明。さらに、提案手法が他の制御手法(例:モデル予測制御)と比較してどうかという点も要旨からは不明である。

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、RLにおけるdomain randomization(DR)の手法、CFDを用いた抗力モデリング、AUVの制御に関する既存研究が挙げられる。具体的には、DRを提案した論文(例:OpenAIの"Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World")や、CFDとRLを組み合わせた研究、AUVのsim-to-real転移に関する研究が関連する。

※ 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: Steven Roche, Milo Van Mooy, Nathan McGuire, Levi Cai, Jonathan P. How, Yogesh Girdhar

分類: cs.RO

原文アブストラクト

Fine grain control and positioning of autonomous underwater vehicles (AUVs) is critical for sampling, maintenance, and survey applications. Traditional control methods for AUVs are labor intensive and are not robust to changes in the vehicle configuration or environmental conditions. Reinforcement learning (RL) promises rapid controller development while handling a range of deployment parameters via domain randomization (DR). However, DR is still limited by the capacity of the underlying simulation to model real physics. In particular, drag physics are difficult to model and are a large contributor to sim-to-real gaps. Meanwhile, computational fluid dynamics (CFD) provides high fidelity drag models but is challenging to leverage within reinforcement learning frameworks due to its computational overhead. Thus, in this paper we exploit the idea of training surrogate approximations of CFD models of a given vehicle, enabling fast inference within RL pipelines. We are the first to successfully deploy a zero-shot RL policy on a 6-DOF AUV in which policy training is performed on surrogate drag models (SDMs) trained on CFD data. We find 31% lower energy usage compared to a controller using simplified physics while traversing between waypoints 11% faster with 19% less error. Our SDM based RL controller better predicts zero-shot transfer and is more robust across reward shaping design choices. When using DR to complete a task with perturbed parameters, we find that the CFD policy is the only controller that successfully transfers. The policies are evaluated in a controlled tank environment and in the field providing extensive testing of the policies' capabilities.

  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