論文の概要: AcroRL: Learning Aggressive Quadrotor Inversion using Bidirectional Thrust

• arxiv url: http://arxiv.org/abs/2605.24301v1
• Date: Sat, 23 May 2026 00:02:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.857588
• Title: AcroRL: Learning Aggressive Quadrotor Inversion using Bidirectional Thrust
• Title（参考訳）: AcroRL:双方向スラストを用いた攻撃的クアドロータインバージョン学習
• Authors: Gabriel Rodriguez, Henri Sayag, Abhishek Rathod, John Stecklein, Siddharth Saha, Christopher Barngrover, Wennie Tabib,
• Abstract要約: 双方向推力は2番目の平衡条件を与え、制御権限を増大させる。 従来の幾何学的制御手法は、双方向スラストをサポートするためにホップフィブレーションに基づく姿勢表現を通じて微分平坦性を拡張する。 本研究では,一定の基準軌道を変調して,コンパクトで位置制約のある四元数逆変換を行う学習ベース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）: 1.7394635819080972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bidirectional thrust grants quadrotors a second equilibrium condition and increased control authority, expanding the envelope of possible aggressive maneuvers and enabling inverted flight, perching, and sensing. Prior geometric control approaches extend differential flatness through Hopf fibration-based attitude representations to support bidirectional thrust, but struggle with actuator saturation and motor reversal delay during inversions, requiring heuristic thrust posture scheduling and waypoint tuning. We propose a learning-based framework that modulates a constant reference trajectory to perform compact, position-constrained quadrotor inversions while remaining compatible with traditional trajectory generation and tracking across flight regimes. Separate policies are trained via reinforcement learning for nominal-to-inverted and inverted-to-nominal transitions. In JAX-based simulation, the proposed method achieves the lowest position deviation and settling time across all evaluated baselines, reducing position root mean square error (RMSE) by 32% and settling time by 57% relative to the strongest optimization-based baseline. Hardware experiments demonstrate successful inversion across multiple yaw configurations with position RMSE below 0.35m, and compatibility with downstream trajectory generation and control through circular flight in both regimes. Additionally, we provide an open-source implementation of the proposed framework.
• Abstract（参考訳）: 双方向推力は2番目の平衡条件を与え、制御権限を増強し、攻撃的な操作のエンベロープを広げ、反転飛行、摂食、感知を可能にした。 従来の幾何学的制御手法は、ホップのフィブレーションに基づく姿勢表現を通じて微分平坦性を拡張し、双方向の推力をサポートするが、インバージョン時のアクチュエータ飽和とモータの反転遅延に苦慮し、ヒューリスティックな推力姿勢スケジューリングとウェイポイントチューニングを必要とする。 本研究では,従来の軌道生成と互換性を維持しつつ,一定の基準軌道を変調して,コンパクトで位置制約のある4乗子反転を行う学習ベースフレームワークを提案する。 個別の政策は、名目から逆・逆・逆の遷移のための強化学習を通じて訓練される。 JAX-based Simulation において,提案手法は全ての評価基準線に対して最低位置偏差と沈降時間を実現し,位置根平均二乗誤差(RMSE)を32%削減し,最強最適化ベース線に対して57%の沈降時間を求める。 ハードウェア実験は、RMSEが0.35m未満の位置にある複数のヨー構成の逆転を成功させ、下流の軌道生成と両局の円形飛行による制御との整合性を実証した。 さらに,提案フレームワークのオープンソース実装も提供する。

関連論文リスト

• AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
  視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。 本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。 LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
  論文  参考訳（メタデータ） (2026-04-20T04:25:24Z)
• RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
  RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。 様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。 強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:44Z)
• Receding-Horizon Nullspace Optimization for Actuation-Aware Control Allocation in Omnidirectional UAVs [2.573972255510259]
  完全に作動した全方位UAVは、6自由度すべてに沿って力とトルクを独立に制御できる。 従来の制御割当法は、搭載アクチュエータの非対称力学を無視する。 本研究は,非対称運動力学を明示的に取り入れたリテーディングホライズン,アクティベーション・アウェア・アロケーション戦略を提案する。
  論文  参考訳（メタデータ） (2026-03-06T19:47:45Z)
• Geometric Inverse Flight Dynamics on SO(3) and Application to Tethered Fixed-Wing Aircraft [5.021944882278981]
  固定翼航空機の逆飛行力学のロボット指向・座標自由な定式化について述べる。 姿勢,角速度,スラストアングル・オブ・アタックペアを出力する閉形トラジェクトリ・トゥ・インプットマップを導出する。
  論文  参考訳（メタデータ） (2026-02-19T08:26:17Z)
• Path Tracking with Dynamic Control Point Blending for Autonomous Vehicles: An Experimental Study [40.36217526625217]
  本稿では,輪車に沿った動的制御点に横方向制御コマンドを適用する自律走行車のための経路追跡フレームワークを提案する。 提案手法は,前軸または後軸の固定基準を強制するのではなく,連続的に補間する。 閉ループ追尾および後方操作の結果、軌道精度の向上、スムーズな操舵プロファイル、固定制御点ベースラインよりも適応性の向上が見られた。
  論文  参考訳（メタデータ） (2026-02-02T10:03:37Z)
• A Dual Quaternion based RRT* Path Planning Approach for Satellite Rendezvous and Docking [0.0]
  本稿では,衛星ランデブーとドッキングのためのスムーズで無衝突なポーズトラジェクトリを生成するために,二重四元数表現を用いたサンプリングベースモーションプランナを提案する。 提案したプランナーは、二重四元数代数を直接RT*フレームワークに統合することにより、SE(3)における自然なねじ運動を可能にする。 分離翻訳と四元数ステアリングを用いた標準RT*との比較では,提案手法の強化されたポーズ継続性と障害物回避が強調されている。
  論文  参考訳（メタデータ） (2025-12-19T15:17:46Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
  特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。 Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。 圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-18T03:51:06Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)
• Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
  制御戦略は姿勢と速度安定化に基づいている。 RNNは高非線形空力項の推定に用いられる。 その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
  論文  参考訳（メタデータ） (2020-06-29T21:33:30Z)

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。