論文の概要: KinematicRL: A Sim-to-Real Reinforcement Learning Framework For Social Navigation With Kinodynamic Feasibility

• arxiv url: http://arxiv.org/abs/2606.12042v1
• Date: Wed, 10 Jun 2026 13:07:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 14:20:32.092586
• Title: KinematicRL: A Sim-to-Real Reinforcement Learning Framework For Social Navigation With Kinodynamic Feasibility
• Title（参考訳）: KinematicRL: 動的実現性を備えたソーシャルナビゲーションのための即時強化学習フレームワーク
• Abstract要約: Deep Reinforcement Learning (DRL)はソーシャルナビゲーションを約束しているが、現実のデプロイメントは、永続的なsim-to-realギャップによって妨げられている。 この研究は、これらの制限に対処し、動的に実行可能なナビゲーションポリシーを生成する統一されたフレームワークを提示している。 実世界の環境での実験では、提案された追跡パイプラインと組み合わせることで、KinematicRLを最小限の修正で実微分駆動ロボットにデプロイできることが示されている。
• 参考スコア（独自算出の注目度）: 27.73146983499444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep Reinforcement Learning (DRL) has shown promise for social navigation, yet its real-world deployment remains hindered by a persistent sim-to-real gap arising from simplified first-order dynamics and context-specific human state estimation pipelines. This work presents a unified framework that addresses these limitations to produce dynamically feasible navigation policies suitable for real-world deployment. First, theoretical analysis reveals that tracking error between simulated and actual robot position decays exponentially with increased control order, motivating the use of higher-order control inputs as DRL action space. A second-order control formulation tailored to differential drive robots is developed, complemented by a stochastic iterative Linear Quadratic Regulator (iLQR) that pretrains the policy via a divergence minimization objective. Second, to avoid the added system complexity of camera-LiDAR fusion, a cluster-based human tracking pipeline using only 2D LiDAR is introduced. Human detections are associated according to both spatial proximity and velocity similarity, enabling reliable differentiation of nearby pedestrians and yielding stable velocity estimates through temporal aggregation. Third, we introduce an unbiased residual gating block to balance reaction- and memory-based behaviors while handling time-varying crowd sizes, both critical for social navigation. The resulting policy, KinematicRL, consistently improves kinematic performance and adapts to varying number of detected humans. Experiments in real-world environments demonstrate that, when combined with the proposed tracking pipeline, KinematicRL can be deployed on a real differential drive robot with minimal modifications.
• Abstract（参考訳）: Deep Reinforcement Learning (DRL)はソーシャルナビゲーションを約束しているが、その実際のデプロイメントは、単純化された一階述語ダイナミクスとコンテキスト固有の人間の状態推定パイプラインから生じる、永続的なsim-to-realギャップによって妨げられている。 本研究は,これらの制約に対処し,現実のデプロイメントに適した動的実行可能なナビゲーションポリシを生成する統一的なフレームワークを提案する。 まず,シミュレーションされたロボット位置と実際のロボット位置の追従誤差が制御順序の増大とともに指数関数的に減少し,高次制御入力をDRLアクション空間として利用する動機となった。 微分駆動ロボットに適した2階制御定式化を開発し、確率的反復線形擬似レギュレータ(iLQR)で補足し、発散最小化の目的を通じてポリシーを事前訓練する。 第2に,カメラ-LiDAR融合によるシステム複雑化を回避するため,2次元LiDARのみを用いたクラスタベースの人体追跡パイプラインを導入する。 人的検出は、空間的近接性と速度の類似性の両方に関連付けられ、近隣の歩行者の信頼性の高い分化を可能にし、時間的アグリゲーションを通じて安定した速度推定が得られる。 第3に,反応と記憶に基づく動作のバランスを保ちながら,社会的ナビゲーションに欠かせない時間変化の集団サイズを扱うために,不偏残ゲーティングブロックを導入する。 結果の方針であるKinematicRLは、キネマティックのパフォーマンスを一貫して改善し、さまざまな数の検出されたヒトに適応する。 実世界の環境での実験では、提案された追跡パイプラインと組み合わせることで、KinematicRLを最小限の修正で実微分駆動ロボットにデプロイできることが示されている。

関連論文リスト

• Predictive Training with Latent Imagination for Visual Quadruped Navigation [2.687590979817173]
  脚付きロボットの強化学習ナビゲーションポリシーは、現在の観測と短期記憶から反応的に行動を選択する。 トレーニング中にポリシーの繰り返し状態に適用される軽量な予測監督は、推論時コントローラを変更することなく予測障害ダイナミクスを符号化することができる。 動的障害物を伴うシミュレーションおよび実世界のナビゲーションベンチマークにおいて,予測学習信号のみでの衝突速度を低減しつつ,ナビゲーションの成功を著しく改善する。
  論文  参考訳（メタデータ） (2026-07-20T05:33:22Z)
• A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
  ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。 完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。 本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
  論文  参考訳（メタデータ） (2026-07-17T08:13:12Z)
• CausalDrive: Real-time Causal World Models for Autonomous Driving [60.66609721457312]
  制御可能でリアルタイムなファンデーション駆動の世界であるCausalDriveを紹介します。 CaulDriveは、最初のフロントビューフレーム、エゴ車両の軌道、マクロテキストプロンプトのみで動作する。 本稿では,(1)衝突アーティファクトを著しく緩和した生成的クローズループ評価,(2)ビデオ2Rewardモジュールによる大規模強化学習(RL)後トレーニング,(3)リアルタイムの人間-イン-ザ・ループシミュレーション,の3つのダウンストリームアプリケーションにおける汎用性を実証する。
  論文  参考訳（メタデータ） (2026-06-13T15:04:44Z)
• Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
  Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。 本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。 このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
  論文  参考訳（メタデータ） (2026-04-10T17:12:07Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
  運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。 コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
  論文  参考訳（メタデータ） (2026-01-06T15:30:02Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• RIFT: Group-Relative RL Fine-Tuning for Realistic and Controllable Traffic Simulation [13.319344167881383]
  データ駆動シミュレーターにおいて、模擬学習事前学習を行う2段階のAV中心シミュレーションフレームワークを導入する。 次に、物理に基づくシミュレータで微調整を学習し、スタイルレベルの制御性を向上する。 微調整段階において,新しいグループ関連RL微調整戦略であるRIFTを提案する。
  論文  参考訳（メタデータ） (2025-05-06T09:12:37Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)

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。