論文の概要: Approximate Imitation Learning for Event-based Quadrotor Flight in Cluttered Environments

• arxiv url: http://arxiv.org/abs/2603.07578v1
• Date: Sun, 08 Mar 2026 10:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.055899
• Title: Approximate Imitation Learning for Event-based Quadrotor Flight in Cluttered Environments
• Title（参考訳）: クラッタ環境におけるイベントベースクアドロレータ飛行の近似模倣学習
• Authors: Nico Messikommer, Jiaxu Xing, Leonard Bauersfeld, Marco Cannici, Elie Aljalbout, Davide Scaramuzza,
• Abstract要約: イベントカメラは、高時間分解能と低レイテンシを提供し、高速ロボットアプリケーションに理想的なセンサーを提供する。 本研究では,単一イベントカメラを用いて環境を知覚することで,四角形機が乱れた環境を高速に飛行できるようにする手法を提案する。 提案手法では、イベントデータを制御コマンドに直接マップするように訓練されたエンドツーエンドのニューラルネットワークを用いて、標準カメラへの依存をなくす。
• 参考スコア（独自算出の注目度）: 32.44706179458786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras offer high temporal resolution and low latency, making them ideal sensors for high-speed robotic applications where conventional cameras suffer from image degradations such as motion blur. In addition, their low power consumption can enhance endurance, which is critical for resource-constrained platforms. Motivated by these properties, we present a novel approach that enables a quadrotor to fly through cluttered environments at high speed by perceiving the environment with a single event camera. Our proposed method employs an end-to-end neural network trained to map event data directly to control commands, eliminating the reliance on standard cameras. To enable efficient training in simulation, where rendering synthetic event data is computationally expensive, we propose Approximate Imitation Learning, a novel imitation learning framework. Our approach leverages a large-scale offline dataset to learn a task-specific representation space. Subsequently, the policy is trained through online interactions that rely solely on lightweight, simulated state information, eliminating the need to render events during training. This enables the efficient training of event-based control policies for fast quadrotor flight, highlighting the potential of our framework for other modalities where data simulation is costly or impractical. Our approach outperforms standard imitation learning baselines in simulation and demonstrates robust performance in real-world flight tests, achieving speeds up to 9.8 ms-1 in cluttered environments.
• Abstract（参考訳）: イベントカメラは、高時間分解能と低レイテンシを提供するため、従来のカメラが動きのぼやけなどの画像劣化に悩まされるような、高速なロボットアプリケーションに理想的なセンサーを提供する。 さらに、その低消費電力は耐久性を高めることができ、これはリソース制約のあるプラットフォームにとって非常に重要である。 これらの特性に感化されて,単一イベントカメラで環境を知覚することで,四面体が乱れた環境を高速に飛ぶことができる新しいアプローチを提案する。 提案手法では、イベントデータを制御コマンドに直接マップするように訓練されたエンドツーエンドのニューラルネットワークを用いて、標準カメラへの依存をなくす。 合成イベントデータのレンダリングが計算コストのかかるシミュレーションにおける効率的なトレーニングを実現するために,新しい模倣学習フレームワークであるApproximate Imitation Learningを提案する。 当社のアプローチでは,タスク固有の表現空間を学習するために,大規模なオフラインデータセットを活用する。 その後、このポリシーは、軽量でシミュレートされた状態情報のみに依存するオンラインインタラクションを通じてトレーニングされ、トレーニング中にイベントをレンダリングする必要がなくなる。 これにより、高速四重項飛行のためのイベントベースの制御ポリシの効率的なトレーニングが可能になり、データシミュレーションが高価または実用的でない他のモダリティに対する我々のフレームワークの可能性を強調します。 提案手法は,シミュレーションにおいて標準的な模倣学習ベースラインよりも優れ,実世界の飛行試験において堅牢な性能を示し,散在環境において最大9.8ms-1の速度を達成する。

関連論文リスト

• Human-Robot Navigation using Event-based Cameras and Reinforcement Learning [1.7614751781649955]
  この研究は、イベントカメラと他のセンサーと強化学習を組み合わせたロボットナビゲーションコントローラを導入し、リアルタイムの人間中心ナビゲーションと障害物回避を可能にした。 固定レートで動作し、動きのぼやけや遅延に悩まされる従来のイメージベースコントローラとは異なり、このアプローチはイベントカメラの非同期特性を活用して、フレキシブルな時間間隔で視覚情報を処理する。
  論文  参考訳（メタデータ） (2025-06-12T15:03:08Z)
• A General Infrastructure and Workflow for Quadrotor Deep Reinforcement Learning and Reality Deployment [48.90852123901697]
  本稿では, エンドツーエンドの深層強化学習(DRL)ポリシーを四元数へシームレスに移行できるプラットフォームを提案する。 本プラットフォームは, ホバリング, 動的障害物回避, 軌道追尾, 気球打上げ, 未知環境における計画など, 多様な環境を提供する。
  論文  参考訳（メタデータ） (2025-04-21T14:25:23Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
  本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。 我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。 パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-08-01T09:14:20Z)
• FEDORA: Flying Event Dataset fOr Reactive behAvior [9.470870778715689]
  イベントベースのセンサーは、高速な動きを捉えるための標準フレームベースのカメラに代わる低レイテンシと低エネルギーの代替として登場した。 Flying Eventデータセット fOr Reactive behAviour (FEDORA) - 知覚タスクのための完全に合成されたデータセット。
  論文  参考訳（メタデータ） (2023-05-22T22:59:05Z)
• EV-Catcher: High-Speed Object Catching Using Low-latency Event-based Neural Networks [107.62975594230687]
  イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。 イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。 計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
  論文  参考訳（メタデータ） (2023-04-14T15:23:28Z)
• Learning a State Representation and Navigation in Cluttered and Dynamic Environments [6.909283975004628]
  本稿では,四足ロボットによる局所ナビゲーションを実現するための学習ベースのパイプラインを提案する。 ロボットは、環境を明示的にマッピングすることなく、奥行きカメラのフレームに基づいて、安全な場所へ移動することができる。 本システムでは,ノイズの多い奥行き画像の処理が可能であり,訓練中の動的障害物を回避でき,局所的な空間意識を付与できることを示す。
  論文  参考訳（メタデータ） (2021-03-07T13:19:06Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)

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。