日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

飛行制御arXiv:2610.15867

REFLEX: ソフトクアッドロータの堅牢な自律衝突復帰のための学習オンボードリフレックス

REFLEX: A Learned On-Board Reflex for Robust Autonomous Collision Recovery of Soft Quadrotors

シェア:XThreadsFacebookLINEはてブBluesky

機体に搭載されたリカレントポリシーにより、位置・速度・方位・高度の推定なしで衝突後の姿勢を安定化し、推定器を再初期化して自動操縦に戻す学習ベースの衝突復帰モードを提案。実機で時速5m/sの壁衝突22回中19回の復帰に成功した。

詳しい要約

1. どんなもの?

- ソフトクアッドロータの衝突後の自律回復を可能にする飛行モード「REFLEX」を提案。 - フライトコントローラ上で完結し、接触センサやコンパニオンコンピュータを必要としない。 - 固有受容感覚に基づく再帰的ポリシーにより、位置・速度・方位・高度の推定なしで機体を安定化。 - 推定器の再初期化と信頼ゲートを組み合わせ、既存のオートパイロットに制御を戻す。

2. 先行研究と比べてどこがすごい?

- 従来の衝突耐性機体は衝撃後の自律回復を保証しない。 - 既存のオンボード推定器のイノベーションゲーティングは高速衝突後の有効な外部速度測定を拒否し、回復を損なう。 - REFLEXは追加センサや計算機なしで、既存のオートパイロットと比較して大幅に高い回復成功率を実現。 - 5.03 m/sの壁衝突で22回中19回回復(既存は14回中1回)。 - 6.05 m/sの衝突回復を達成し、従来報告された自律壁衝突回復速度を64%上回る。

3. 技術・手法の肝は?

- 固有受容感覚に基づく再帰的ポリシーをProximal Policy Optimization (PPO)でシミュレーション訓練。 - 訓練エピソードは47回の実衝突で測定した衝突後状態から初期化。 - ポリシーは位置・速度・方位・高度の推定値を用いずに機体を安定化。 - REFLEXアクティブ中に並進推定を再初期化し、信頼ゲートが推定器の一貫性を確認してから既存オートパイロットに制御を戻す。

4. どうやって有効だと検証した?

- ハードウェア実験で5.03 ± 0.09 m/sの壁衝突22回中19回回復(既存オートパイロットは14回中1回)。 - 単一フライトで15回連続回復を達成。 - 別の探索的フライトで6.02 m/sと6.05 m/sの2回の回復を同一フライト内で実証。 - 6.05 m/sは従来報告された自律壁衝突回復速度を64%上回る。

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。関連手法としてProximal Policy Optimization (PPO)や衝突回復に関する研究が挙げられる。

※ 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: Jakob Hermeler, Luca Girardi, Gabriel Maquignaz, Stefan Leutenegger, Stefano Mintchev

分類: cs.RO

原文アブストラクト

Collision-resilient airframes allow quadrotors to survive impacts, but do not ensure autonomous post-collision recovery. Innovation gating in stock onboard estimators often rejects valid external velocity measurements after high-speed impacts, compromising recovery. We present REFLEX, a collision-recovery flight mode that runs entirely on the flight controller, requiring neither contact sensors nor a companion computer. Its proprioceptive recurrent policy stabilizes the vehicle without position, velocity, heading, or altitude estimates. The translational estimate is reinitialized while REFLEX is active, and a trust gate checks estimator consistency before returning control to the stock autopilot. The policy is trained in simulation using proximal policy optimization, with episodes initialized from post-impact states measured in 47 real collisions. In hardware experiments, REFLEX recovered 19 of 22 wall impacts at 5.03 $\pm$ 0.09 m/s, compared with 1 of 14 for the matched stock autopilot. These included 15 consecutive recoveries in a single flight. A separate exploratory flight demonstrated two additional recoveries at 6.02 and 6.05 m/s within the same flight, exceeding the previously reported velocity for autonomous wall-collision recovery by 64%.

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

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