論文の概要: Motion Planning for Safe Landing of a Human-Piloted Parafoil
- arxiv url: http://arxiv.org/abs/2512.10595v1
- Date: Thu, 11 Dec 2025 12:39:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.284279
- Title: Motion Planning for Safe Landing of a Human-Piloted Parafoil
- Title（参考訳）: 人の操縦するパラフォイルの安全な着陸のための運動計画
- Authors: Maximillian Fainkich, Kiril Solovey, Anna Clarke,
- Abstract要約: 初級パイロットの訓練は、機能的で容易に利用できる訓練シミュレータが不足しているため、遅れている。
本研究では,人間の操縦するパラフォイル飛行における安全軌道の計算問題について検討する。
コンピュータ生成ソリューションと人造パラフォイル飛行のデータを比較した。
- 参考スコア（独自算出の注目度）: 2.7566403795965058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most skydiving accidents occur during the parafoil-piloting and landing stages and result from human lapses in judgment while piloting the parafoil. Training of novice pilots is protracted due to the lack of functional and easily accessible training simulators. Moreover, work on parafoil trajectory planning suitable for aiding human training remains limited. To bridge this gap, we study the problem of computing safe trajectories for human-piloted parafoil flight and examine how such trajectories fare against human-generated solutions. For the algorithmic part, we adapt the sampling-based motion planner Stable Sparse RRT (SST) by Li et al., to cope with the problem constraints while minimizing the bank angle (control effort) as a proxy for safety. We then compare the computer-generated solutions with data from human-generated parafoil flight, where the algorithm offers a relative cost improvement of 20\%-80\% over the performance of the human pilot. We observe that human pilots tend to, first, close the horizontal distance to the landing area, and then address the vertical gap by spiraling down to the suitable altitude for starting a landing maneuver. The algorithm considered here makes smoother and more gradual descents, arriving at the landing area at the precise altitude necessary for the final approach while maintaining safety constraints. Overall, the study demonstrates the potential of computer-generated guidelines, rather than traditional rules of thumb, which can be integrated into future simulators to train pilots for safer and more cost-effective flights.
- Abstract（参考訳）: スカイダイビングのほとんどの事故は、パラフォイル操縦と着陸の段階で発生し、パラフォイルの操縦中に人間による判断の過失によって引き起こされる。
初級パイロットの訓練は、機能的で容易に利用できる訓練シミュレータが不足しているため、遅れている。
また、人間の訓練を支援するのに適したパラフォイル軌道計画に関する研究も限られている。
このギャップを埋めるために、人間の操縦するパラフォイル飛行における安全な軌道の計算問題について検討し、そのような軌道が人為的に生成した解にどう影響するかを検討する。
アルゴリズム的な部分については、Liらによるサンプリングベース動作プランナのスタブルスパースRT (SST) を適用し、安全のためのプロキシとしてバンクアングル(制御作業)を最小化しながら、問題の制約に対処する。
次に、コンピュータ生成したソリューションと人造パラフォイル飛行のデータを比較し、そのアルゴリズムは、人間のパイロットの性能よりも相対コストが20\%-80\%向上する。
人間のパイロットは、まず着陸地点まで水平距離を閉じ、次に着陸演習を開始するのに適した高度まで渦巻き下ろすことで垂直ギャップに対処する傾向にある。
ここで考慮されたアルゴリズムはよりスムーズで徐々に降下し、安全制約を維持しながら最終アプローチに必要な正確な高度で着陸地点に到着する。
全体としてこの研究は、従来の親指の規則ではなく、コンピューターによるガイドラインの可能性を実証している。
関連論文リスト
- Learned Controllers for Agile Quadrotors in Pursuit-Evasion Games [42.74003740156243]
我々は,アジャイル1v1クアッドロータ追従回避の問題に対処する。
これらの問題に対処するために,非同期多段階人口ベース (AMSPB) アルゴリズムを提案する。
このフレームワークでは、ベロシティコマンドまたはボディーレートを集合推力で出力するニューラルネットワークコントローラをトレーニングします。
論文 参考訳（メタデータ） (2025-06-03T13:19:23Z) - Deep Learning Warm Starts for Trajectory Optimization on the International Space Station [20.292201054946048]
軌道最適化は現代の自律ロボットの基盤であり、システムは安全と物理的制約を尊重しながら、軌道と制御をリアルタイムで計算することができる。
国際宇宙ステーション(ISS)に搭載されたアストローブ自由飛行ロボットの軌道最適化を加速するために、機械学習によるウォームスタートを用いた最初の宇宙でのデモンストレーション結果を提供する。
この研究は、宇宙飛行アプリケーションにおける学習ベースの制御の利用における重要なマイルストーンであり、自律的な誘導、ナビゲーション、制御に機械学習を使用することの今後の進歩の足掛かりである。
論文 参考訳（メタデータ） (2025-05-08T18:42:36Z) - Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。
本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
論文 参考訳（メタデータ） (2025-03-14T17:59:41Z) - ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable [88.08120417169971]
機械学習に基づく自律運転システムは、現実世界のデータでは稀な安全クリティカルなシナリオで課題に直面していることが多い。
この研究は、軌道最適化によって複雑な現実世界の通常のシナリオを変更することによって、安全クリティカルな運転シナリオを生成することを検討する。
提案手法は、頑健なプランナーの訓練には役に立たない非現実的な発散軌道と避けられない衝突シナリオに対処する。
論文 参考訳（メタデータ） (2024-09-12T08:26:33Z) - Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。
複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。
実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
論文 参考訳（メタデータ） (2023-06-27T17:58:39Z) - Inverted Landing in a Small Aerial Robot via Deep Reinforcement Learning
for Triggering and Control of Rotational Maneuvers [11.29285364660789]
高速で頑健な逆着陸は、特に機内でのセンシングと計算に完全に依存しながらも、空中ロボットにとって難しい偉業である。
これまでの研究では、一連の視覚的手がかりとキネマティックな動作の間に直接的な因果関係が特定され、小型の空中ロボットでこの困難なエアロバティックな操作を確実に実行することができた。
本研究では、まずDeep Reinforcement Learningと物理シミュレーションを用いて、頑健な逆着陸のための汎用的最適制御ポリシーを得る。
論文 参考訳（メタデータ） (2022-09-22T14:38:10Z) - Obstacle Avoidance for UAS in Continuous Action Space Using Deep
Reinforcement Learning [9.891207216312937]
小型無人航空機の障害物回避は将来の都市空輸の安全に不可欠である。
本稿では, PPO(Proximal Policy Optimization)に基づく深層強化学習アルゴリズムを提案する。
その結果,提案モデルが正確かつ堅牢なガイダンスを提供し,99%以上の成功率で競合を解消できることが示唆された。
論文 参考訳（メタデータ） (2021-11-13T04:44:53Z) - Learning High-Speed Flight in the Wild [101.33104268902208]
複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。
鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。
現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
論文 参考訳（メタデータ） (2021-10-11T09:43:11Z) - Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
立方体の作動限界における時間-最適軌道の計画は未解決の問題である。
四重項のアクチュエータポテンシャルをフル活用する解を提案する。
我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
論文 参考訳（メタデータ） (2021-08-10T09:26:43Z)
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。