動的障害物環境での安全飛行のための予測リスク誘導強化学習
Anticipatory Risk-Guided Reinforcement Learning for Safe Flight Through Dynamic Clutter
クアッドローターの動的環境での安全航行のため、将来の衝突リスクを予測するリスクマップを強化学習で自己予測させ、視覚ポリシーを誘導する手法を提案。シミュレーションから実機へのゼロショット転送に成功。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Yuchao Mei, Guohao Zhang, Luxia Ai, Haopeng Chen, Wenbing Tao
分類: cs.RO, cs.LG
原文アブストラクト
Safe quadrotor navigation in cluttered and dynamic environments depends not only on instantaneous geometric perception, but more critically on anticipating collision risks induced by relative motion. Conventional modular pipelines frequently suffer from perception latency, while end-to-end learning methods relying on implicit scalar rewards often struggle to extract reliable spatio-temporal features without physics-grounded supervision. To address this, we propose an anticipatory risk-guided reinforcement learning framework. Leveraging privileged simulator states, we construct a directionally aligned future collision risk map based on the Closest Point of Approach (CPA). Through an asymmetric actor-critic architecture, the network is trained to self-predict this structured risk, which explicitly guides the visual policy during deployment. A lightweight spatio-temporal encoder extracts motion cues directly from onboard depth sequences, bypassing explicit object tracking or optical flow estimation. Extensive simulated and real-world experiments demonstrate that our method effectively improves safety margins and flight efficiency in dense dynamic clutters compared to existing baselines. Furthermore, the learned policy achieves robust zero-shot Sim-to-Real transfer on a physical quadrotor, relying purely on abstracted spatio-temporal depth sequences and its self-predicted risk priors, validating the effectiveness of our approach and its robust generalization from simulation to reality.
関連論文
- ManeuverNet: ダブルアクカーマン操舵ロボットの精密操縦のための報酬関数最適化を伴うSoft Actor-Criticフレームワーク強化学習/ナビゲーション
- 二重アクカーマン操舵ロボットの安全な機動のためのSoft Actor-Criticフレームワーク強化学習/ナビゲーション
- 分布強化学習に基づく自律水上艇の統合的意思決定と制御強化学習/ナビゲーション
- 渦流を横切るロボット魚の効率的ナビゲーション強化学習/ナビゲーション
- 自動運転車の安全クリティカル制御のための強化学習強化学習/ナビゲーション
- FastRLAP: 深層強化学習と自律練習による高速走行学習システム強化学習/ナビゲーション
