Robin Ferede

収録論文 7本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• MonoRace: 堅牢な単眼AIでドローン競技チャンピオンレベルを制する
  ドローン競技/単眼状態推定2026/1/1

  単眼カメラとIMUのみを搭載し、ニューラルネットによるゲート検出と状態推定、オフラインキャリブレーション、直接モーター指令のNN制御を組み合わせて、2025年アブダビ自律ドローン競技会で人間世界王者3人を含む全参加者を破った。

• SkyDreamer: モデルベース強化学習による解釈可能なエンドツーエンド視覚ベースドローンレーシング
  ドローンレーシング/モデルベースRL/sim2real2025/10/1

  世界モデルが訓練時のみ利用可能な特権情報をデコードすることで暗黙の状態・パラメータ推定器として機能する、ピクセルからモータ指令へ直接マッピングするエンドツーエンド視覚ベースドローンレーシング方策を提案し、実機で最大21m/s・6gの高速飛行とsim-to-real転移を実現した。

• すべてのドローンを制する一つのネットワーク：異なる機体間でのドメインランダム化によるドローン競技制御
  sim2real2025/4/1

  ドメインランダム化を用いて訓練した単一のニューラルネットワークが、3インチと5インチの異なる競技用クアッドコプターを実機で制御できることを示し、汎化性能と速度のトレードオフを明らかにした。

• 時間最適なクアッドコプター飛行のためのエンドツーエンド強化学習
  飛行制御2023/11/1

  クアッドコプターの高速飛行制御において、モーター指令を直接出力するエンドツーエンド強化学習を提案し、残差モデルと適応手法でsim-to-realギャップを埋め、シミュレーションと実機で従来手法を上回る性能を示した。

• 宇宙機のニューラル誘導制御における最適性原理
  宇宙機誘導制御2023/5/1

  宇宙機の誘導制御をニューラルネットワークでエンドツーエンドに学習させ、最適性原理を機上でリアルタイムに適用する手法を提案し、ドローン競技を実機検証環境として提案した。

• 時間最適なクアッドコプター飛行のための誘導制御ネットワーク
  飛行制御2023/5/1

  クアッドコプターの時間最適飛行を実現するため、誘導制御ネットワークを訓練し、バンバン制御に近づくほど学習が難しくなることを示し、最大角速度の推定と適応ネットワークを提案した。

• エンドツーエンドニューラルネットワークによるクアッドコプター制御
  飛行制御2023/4/1

  クアッドコプターの状態から回転数指令へ直接マッピングするエンドツーエンドNN制御器を提案し、実機飛行でのモデル誤差を適応的に補償することでエネルギー最適なホバリング間飛行を実現した。