マニピュレーション2026/9/27arXiv:2609.33053

SwingRL: ワールドモデル予測を用いた適応的観測強化学習によるケーブル吊り下げホイスティング制御

SwingRL: Adaptive Observation Reinforcement Learning with World-Model Prediction for Cable-Suspended Hoisting Control

遅延・欠損した視覚観測と不確実なダイナミクスに対処するため、経過時間を考慮したワールドモデルと古典的制振制御を組み合わせた残差強化学習フレームワークを提案し、建設現場での吊り荷の精密挿入タスクにおける有効性を示した。

詳しい要約

1. どんなもの？

ケーブル吊り下げ型のホイスティング制御、特に吊り荷のソケットを鉄筋ピンに精密挿入する建設作業を対象とした制御フレームワーク。 - 吊り荷は underactuated で、外乱変動や遅延・欠損した視覚観測により制御実行時の状態が古くなる問題がある。 - SwingRL は residual reinforcement-learning (RL) で、age-aware world model、古典的 anti-swing prior、recurrent residual policy を組み合わせる。 - 遅延・欠損センシング下での時間整合な状態推定と、不確実なダイナミクスへの対応を狙う。

2. 先行研究と比べてどこがすごい？

古典的手法および learning-based ベースラインと比較して、難易度を段階的に上げた設定で大幅に優位。 - 最も難しい設定で strict success 69.5%、broad success 77.3% を達成。 - すべてのベースラインをそれぞれ少なくとも 60 percentage points 上回る。 - 実機では real-robot fine-tuning なしで 90% の成功率を達成。

3. 技術・手法の肝は？

3つの要素を統合した residual RL フレームワーク。 - age-aware world model: 最新の吊り荷観測を実行コマンドで現在の制御ステップまで伝播し、遅延・欠損センシング下で時間整合な状態推定を与える。 - classical anti-swing prior: 名目上のトラッキングとスイング減衰を提供。 - recurrent residual policy: 完全な制御則ではなく、prior への有界な補正を学習し、システムパラメータ変動・外乱・残存する状態推定誤差を補償する。

4. どうやって有効だと検証した？

システムパラメータ変動、風外乱、センシング劣化、強風を含む累積的難易度ラダーで評価。 - 古典的および learning-based ベースラインと比較。 - 最も難しい設定で strict 69.5%、broad 77.3% の成功率。 - world-model の ablation により、観測損失が増える中で時間整合な状態推定が挿入成功を維持する役割を支持。 - 実機リグで real-robot fine-tuning なしに 90% 成功。

5. 議論はある？

要旨からは不明。 - 限界や失敗事例、計算コスト、実環境への一般化に関する議論は要旨に明示されていない。

6. 次に読むべき論文は？

要旨で参照・比較されている研究や関連手法は明示されていない。 - 同分野の定番として、residual reinforcement learning、world model、anti-swing control、underactuated cable-suspended robot control に関する文献が次に読む候補となる。 - 具体的な論文名は要旨からは不明。

※ 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: Guangming Wang, Xiaoyu Zhang, Yucheng Xin, Wanli Ma, Jiucai Liu, Yunxiang Ma, Joe Ingham, Haibing Wu, Yixiong Jing, Olaf Wysocki, Brian Sheil

分類: cs.RO

原文アブストラクト

Cable-suspended hoisting is widely used to move heavy or bulky payloads that cannot be handled conveniently by rigid pick-and-place systems, for example in crane-assisted construction. Robotic hoisting using flexible cables is challenging because payload motion is underactuated, external disturbances vary, and delayed or lost visual observations can make the perceived payload state stale at control execution. These effects are particularly critical during precise insertion of a suspended payload's sockets onto rebar pins, which is a very common task in construction environments. We present SwingRL, a residual reinforcement-learning (RL) framework that combines an age-aware world model, a classical anti-swing prior, and a recurrent residual policy to address two coupled problems: stale feedback and uncertain dynamics. The world model propagates the newest received payload observation to the current control step using the executed commands, providing a time-aligned state estimate under delayed and lossy sensing. The prior supplies nominal tracking and swing damping. The residual policy learns bounded corrections to the prior rather than the complete control law, compensating for system-parameter variation, external disturbances, and remaining state-estimation errors. We evaluate SwingRL against classical and learning-based baselines across a cumulative difficulty ladder covering system-parameter variation, wind disturbance, degraded sensing, and strong gusts. Under the most difficult setting, SwingRL achieves 69.5% strict and 77.3% broad success, exceeding all baselines by at least 60 percentage points, respectively. World-model ablations support the role of time-aligned state estimation in maintaining insertion success as observation loss increases. Finally, without real-robot fine-tuning, SwingRL achieves 90% success on the physical rig.

arXivで原文を読む →arXiv概要ページ

SwingRL: ワールドモデル予測を用いた適応的観測強化学習によるケーブル吊り下げホイスティング制御

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？

原文アブストラクト

関連論文

今週よく読まれている記事

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell