微分可能シミュレーションによるイベントカメラベースの障害物回避学習
Learning Event-based Obstacle Avoidance via Differentiable Simulation
CUDAベースのイベントシミュレータを微分可能物理パイプラインに統合し、イベントフレームから直接制御指令を出力するend-to-endポリシーを学習。実機クアッドロータでゼロショットの障害物回避を実現した。
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: Chenlu Shou, Yunfan Ren, Jiaxu Xing, Davide Scaramuzza
分類: cs.RO
原文アブストラクト
Reliable obstacle avoidance is essential for safe quadrotor flight in unknown environments, yet conventional frame-based cameras remain challenged by motion blur, limited dynamic range, and latency under fast motion. Event cameras, with sub-millisecond latency, high dynamic range, and negligible motion blur, offer a promising alternative, but leveraging them for closed-loop control remains difficult. Existing approaches either adopt cascaded architectures that first estimate depth and then map it to control commands, introducing error propagation, or achieve end-to-end control through costly offline pretraining before online fine-tuning can even begin. We address these challenges with a CUDA-based event simulator that exploits GPU parallelism to render events efficiently within the training loop, integrated into a differentiable simulation pipeline that enables direct gradient backpropagation through the differentiable physics model, improving sample efficiency. This allows us to train an end-to-end policy that maps event frames directly to control commands, without intermediate depth estimation. We validate our approach through zero-shot real-world deployment on a quadrotor, achieving robust obstacle avoidance in both odometry-assisted and odometry-free settings, including under low-light conditions where conventional cameras typically fail.
関連論文
- レンダリング不要のイベントフレームシミュレーションによる自律ロボットナビゲーションの高速強化学習イベントカメラ/sim2real
- ADV2E: アナログ回路と離散フレームのギャップを埋める動画→イベントシミュレータイベントカメラ/sim2real
