論文の概要: VisFly-Lab: Unified Differentiable Framework for First-Order Reinforcement Learning of Quadrotor Control

• arxiv url: http://arxiv.org/abs/2603.21123v1
• Date: Sun, 22 Mar 2026 08:42:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.24938
• Title: VisFly-Lab: Unified Differentiable Framework for First-Order Reinforcement Learning of Quadrotor Control
• Title（参考訳）: VisFly-Lab: 四元子制御の一次強化学習のための統一微分可能フレームワーク
• Authors: Fanxing Li, Fangyu Sun, Tianbao Zhang, Shuyu Wu, Dexin Zuo, yufei Yan, Wenxian Yu, Danping Zou,
• Abstract要約: 微分可能なシミュレーションによる一階強化学習は、二次制御に有望である。 しかし、実際の進歩はタスク固有の設定で断片化されている。 マルチタスク四元数制御のための統合微分可能なフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.762246555812554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: First-order reinforcement learning with differentiable simulation is promising for quadrotor control, but practical progress remains fragmented across task-specific settings. To support more systematic development and evaluation, we present a unified differentiable framework for multi-task quadrotor control. The framework is wrapped, extensible, and equipped with deployment-oriented dynamics, providing a common interface across four representative tasks: hovering, tracking, landing, and racing. We also present the suite of first-order learning algorithms, where we identify two practical bottlenecks of standard first-order training: limited state coverage caused by horizon initialization and gradient bias caused by partially non-differentiable rewards. To address these issues, we propose Amended Backpropagation Through Time (ABPT), which combines differentiable rollout optimization, a value-based auxiliary objective, and visited-state initialization to improve training robustness. Experimental results show that ABPT yields the clearest gains in tasks with partially non-differentiable rewards, while remaining competitive in fully differentiable settings. We further provide proof-of-concept real-world deployments showing initial transferability of policies learned in the proposed framework beyond simulation.
• Abstract（参考訳）: 微分可能シミュレーションによる一階強化学習は、四重項制御には有望であるが、実際の進歩はタスク固有の設定で断片化されている。 より体系的な開発と評価を支援するため、マルチタスク・クオータ制御のための統一的な微分可能なフレームワークを提案する。 フレームワークはラップされ、拡張可能で、デプロイ指向のダイナミクスを備えており、ホバリング、トラッキング、ランディング、レースの4つの代表的なタスクに共通のインターフェースを提供する。 また,一階述語学習アルゴリズムのスイートを提示し,一階述語学習における2つの実践的ボトルネック,すなわち地平線初期化による限られた状態カバレッジと,部分的に微分不可能な報酬による勾配バイアスを同定する。 これらの課題に対処するため,異なるロールアウト最適化,価値に基づく補助目標,訪問状態の初期化を組み合わせて,トレーニングの堅牢性を向上させるためのABPT(Admended Backproagation Through Time)を提案する。 実験結果から、ABPTは、部分的には微分不可能なタスクにおいて、完全微分可能条件下では競争力を維持しながら、最も顕著な利得が得られることが示された。 さらに,提案フレームワークで学習したポリシーの初期転送可能性を示す概念実証実世界の展開について述べる。

関連論文リスト

• Enhancing Deep Deterministic Policy Gradients on Continuous Control Tasks with Decoupled Prioritized Experience Replay [3.716862357836751]
  Decoupled Prioritized Experience Replay (DPER)は、遷移バッチの独立したサンプリングを可能にする新しいアプローチである。 DPERは、継続的な制御ドメインで動作する、あらゆる非政治的な深層強化学習アルゴリズムに統合することができる。
  論文  参考訳（メタデータ） (2025-12-04T23:37:29Z)
• A Unified Multi-Task Learning Framework for Generative Auto-Bidding with Validation-Aligned Optimization [51.27959658504722]
  マルチタスク学習は、これらのタスクを共有表現を通じて共同でトレーニングするための、原則化されたフレームワークを提供する。 既存のマルチタスク最適化戦略は、主にトレーニングダイナミクスによって導かれ、不安定な入札環境ではよく一般化される。 本稿では,タスク毎のトレーニング勾配と保留有効度勾配のアライメントに基づいてタスク重みを適応的に割り当てる,バリデーション適応型マルチタスク最適化(VAMO)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T03:59:51Z)
• CoDiEmb: A Collaborative yet Distinct Framework for Unified Representation Learning in Information Retrieval and Semantic Textual Similarity [20.349897901019574]
  統合されたテキスト埋め込みをトレーニングするための統合フレームワークであるCoDiEmbを紹介する。 CoDiEmbは、効果的な共同最適化のための3つの重要なイノベーションを統合している。 我々の結果と分析は、このフレームワークがクロスタスクトレードオフを緩和していることを示している。
  論文  参考訳（メタデータ） (2025-08-15T12:46:35Z)
• Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why [50.191655141020505]
  この調査は、デモから学ぶ機能ベースのアプローチとGANベースのアプローチの比較分析を提供する。 特徴に基づく手法とGANに基づく手法の2分法はますます曖昧になっていると我々は主張する。
  論文  参考訳（メタデータ） (2025-07-08T11:45:51Z)
• An End-to-End Reinforcement Learning Based Approach for Micro-View Order-Dispatching in Ride-Hailing [8.892147201091726]
  ディディにおけるエンドツーエンドの強化学習に基づく秩序分散手法を提案する。 我々はこの問題をモデル化するために2層決定プロセスフレームワークを使用し、注文代入を生成するエンコーダ-デコーダ構造ネットワークであるアンダーラインDouble underlineScalable underlineNetwork (DSN2)を提案する。 コンテキストダイナミクスを活用することで、私たちのアプローチは行動パターンに適応してパフォーマンスを向上させることができます。
  論文  参考訳（メタデータ） (2024-08-20T01:30:53Z)
• Exemplar-free Continual Representation Learning via Learnable Drift Compensation [24.114984920918715]
  本稿では,任意の背骨のドリフトを効果的に軽減できるLearnerable Drift Compensation (LDC)を提案する。 LDCは、既存の継続的学習アプローチの上に、素早く簡単に統合できます。 教師付き設定と半教師付き設定の両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-07-11T14:23:08Z)
• Visual Prompt Tuning in Null Space for Continual Learning [51.96411454304625]
  既存のプロンプトチューニング手法は、継続学習(CL)における印象的な性能を示す。 本稿では,従来のタスクの特徴に代表される部分空間に直交する方向のプロンプトを調整し,各タスクを学習することを目的とする。 実際には、即時勾配予測を実装するために、実効的なヌル空間に基づく近似解が提案されている。
  論文  参考訳（メタデータ） (2024-06-09T05:57:40Z)
• Effective Adaptation in Multi-Task Co-Training for Unified Autonomous Driving [103.745551954983]
  本稿では,3つの下流タスクにおけるMoCoやSimCLRなど,多種多様な自己監督手法の転送性能について検討する。 彼らのパフォーマンスは、サブ最適か、あるいはシングルタスクベースラインよりもはるかに遅れていることに気付きました。 汎用マルチタスクトレーニングのための,単純かつ効果的な事前訓練-適応-ファインチューンパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-09-19T12:15:31Z)

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。