論文の概要: RoVerFly: Robust and Versatile Implicit Hybrid Control of Quadrotor-Payload Systems

• arxiv url: http://arxiv.org/abs/2509.11149v2
• Date: Wed, 01 Oct 2025 10:47:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-02 14:33:21.746641
• Title: RoVerFly: Robust and Versatile Implicit Hybrid Control of Quadrotor-Payload Systems
• Title（参考訳）: RoVerFly:クアドロレータ-負荷系のロバストおよびバーサタイルインプリシットハイブリッド制御
• Authors: Mintae Kim, Jiaze Cai, Koushil Sreenath,
• Abstract要約: RoVerFlyは、四辺形軌道追跡のための学習ベースの制御フレームワークである。 明示的なモード検出やコントローラの切り替えなしに複雑なダイナミクスを管理する。 ペイロード設定間で強力なゼロショットの一般化を実現する。
• 参考スコア（独自算出の注目度）: 7.767180040566647
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing robust controllers for precise trajectory tracking with quadrotors is challenging due to nonlinear dynamics and underactuation, and becomes harder with flexible cable-suspended payloads that add degrees of freedom and hybrid dynamics. Classical model-based methods offer stability guarantees but require extensive tuning and often fail to adapt when the configuration changes-when a payload is added or removed, or when its mass or cable length varies. We present RoVerFly, a unified learning-based control framework where a single reinforcement learning (RL) policy functions as an implicit hybrid controller, managing complex dynamics without explicit mode detection or controller switching. Trained with task and domain randomization, the controller is resilient to disturbances and varying dynamics. It achieves strong zero-shot generalization across payload settings-including no payload as well as varying mass and cable length-without re-tuning, while retaining the interpretability and structure of a feedback tracking controller. Code and supplementary materials are available at https://github.com/mintaeshkim/roverfly.
• Abstract（参考訳）: 四極子を用いた正確な軌道追跡のためのロバストなコントローラの設計は、非線形力学と不動のため困難であり、自由度とハイブリッド力学を付加するフレキシブルなケーブルサスペンドペイロードにより困難になる。 古典的なモデルベースの手法は安定性を保証するが、広範囲なチューニングが必要であり、ペイロードの追加や取り外し、あるいはその質量やケーブルの長さが変化した場合、しばしば適応に失敗する。 一つの強化学習(RL)ポリシーが暗黙のハイブリッドコントローラとして機能し、明示的なモード検出やコントローラ切替なしに複雑なダイナミクスを管理する、統合学習ベースの制御フレームワークであるRoVerFlyを提案する。 タスクとドメインのランダム化によってトレーニングされたコントローラは、障害やさまざまなダイナミクスに耐性がある。 フィードバックトラッキングコントローラの解釈可能性と構造を維持しつつ、ペイロードを含まないペイロードや、様々な質量とケーブルの長さを調整せずに、強力なゼロショットの一般化を実現する。 コードと補足資料はhttps://github.com/mintaeshkim/roverfly.comで入手できる。

関連論文リスト

• MULE: Multi-terrain and Unknown Load Adaptation for Effective Quadrupedal Locomotion [1.479858319622657]
  四足歩行ロボットは、様々な地形にまたがる荷積み作業にますます利用されている。 本研究では,四足歩行ロボットが様々なペイロードと多様な地形に適応できる適応強化学習フレームワークを提案する。 提案手法はIsaac Gymの大規模シミュレーション実験と,Unitree Go1の4倍体上での実際のハードウェア展開により検証する。
  論文  参考訳（メタデータ） (2025-05-01T12:41:35Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• Performance-Driven Controller Tuning via Derivative-Free Reinforcement Learning [6.5158195776494]
  我々は,新しい微分自由強化学習フレームワークを用いて,制御器のチューニング問題に取り組む。 我々は,PIDコントローラを用いた適応走行制御とMPCコントローラを用いた軌道追跡という,自律走行による2つの具体例に関する数値実験を行った。 実験の結果,提案手法は一般的なベースラインよりも優れており,コントローラチューニングの強い可能性を強調している。
  論文  参考訳（メタデータ） (2022-09-11T13:01:14Z)
• Control-oriented meta-learning [25.316358215670274]
  我々は、ニューラルネットワークを用いたデータ駆動モデリングを用いて、過去のデータからオフラインで学習し、非線形特徴の内部パラメトリックモデルによる適応制御を行う。 ベースラーナーとして閉ループ追従シミュレーションを用いた適応制御器をメタ学習し,メタ対象として平均追従誤差を推定する。
  論文  参考訳（メタデータ） (2022-04-14T03:02:27Z)
• Enforcing robust control guarantees within neural network policies [76.00287474159973]
  本稿では、ニューラルネットワークによってパラメータ化され、ロバスト制御と同じ証明可能なロバスト性基準を適用した、一般的な非線形制御ポリシークラスを提案する。 提案手法は,複数の領域において有効であり,既存のロバスト制御法よりも平均ケース性能が向上し,(非ロバスト)深部RL法よりも最悪のケース安定性が向上した。
  論文  参考訳（メタデータ） (2020-11-16T17:14:59Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)
• Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
  線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。 楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。 高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
  論文  参考訳（メタデータ） (2020-06-19T08:58:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。