論文の概要: FlashNav: Ultra-Fast Policy Training for Robot Navigation within 20 Seconds
- arxiv url: http://arxiv.org/abs/2606.15846v1
- Date: Sun, 14 Jun 2026 15:02:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 18:36:04.916665
- Title: FlashNav: Ultra-Fast Policy Training for Robot Navigation within 20 Seconds
- Title（参考訳）: FlashNav:20秒以内にロボットナビゲーションの超高速ポリシートレーニング
- Abstract要約: FlashNavは超高速レンジベースのロボットナビゲーショントレーニングのためのGPUファーストフレームワークである。
DRLベースのナビゲーションフレームワークとしては初めて、秒単位のポリシトレーニングに到達し、20秒未満でトレーニングされた最速のデプロイ可能なポリシである。
- 参考スコア（独自算出の注目度）: 16.117008864241082
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep reinforcement learning has shown strong potential for robot navigation, but its practical deployment is still limited by the long wall-clock cost of policy training. This paper presents FlashNav, a GPU-first framework for ultra-fast range-based robot navigation training. To the best of our knowledge, FlashNav is the first DRL-based robot navigation framework that reaches seconds-level policy training, with the fastest deployable policy trained in less than 20 seconds. The key idea is to align simulation with the navigation MDP: FlashNav preserves the essential components for velocity-level navigation, including occupancy geometry, range sensing, goal-conditioned control, robot motion dynamics, collision handling, termination, and reset, while removing unnecessary rendering and high-fidelity physical details from the training loop. Built on a batched bitmap simulator and a fully GPU-resident training pipeline with our FastDSAC learner, FlashNav generates massive parallel navigation transitions entirely on GPU. Experiments on TurtleBot2 and Unitree Go2 show that FlashNav achieves a 100\% success-rate below 20 seconds on an RTX 5090 and remains within tens of seconds across desktop GPUs. The learned policies further transfer to physical wheeled and legged robots in static and dynamic indoor scenes, demonstrating that DRL-based navigation can be trained at seconds-level speed while preserving deployable obstacle-avoidance behavior.
- Abstract（参考訳）: 深層強化学習は、ロボットナビゲーションの強い可能性を示しているが、その実践的展開は、政策訓練の長い壁時計費用によって制限されている。
本稿では,超高速レンジベースロボットナビゲーショントレーニングのためのGPUファーストフレームワークであるFlashNavを提案する。
私たちの知る限り、FlashNavはDRLベースの最初のロボットナビゲーションフレームワークで、秒単位のポリシートレーニングに到達します。
FlashNavは、占有率幾何学、レンジセンシング、目標条件制御、ロボットモーションダイナミクス、衝突処理、終了、リセットを含む、ベロシティレベルのナビゲーションに必要なコンポーネントを保存し、不要なレンダリングとトレーニングループからの高忠実度物理詳細を除去します。
バッチ化されたビットマップシミュレータと、FastDSAC学習者との完全なGPUレジデントトレーニングパイプライン上に構築されたFlashNavは、GPU上での大規模な並列ナビゲーショントランジションを生成する。
TurtleBot2とUnitree Go2の実験によると、FlashNavはRTX 5090で20秒未満の成功率で、デスクトップGPUで数秒以内に留まっている。
学習されたポリシーは、静的でダイナミックな屋内シーンにおける物理的な車輪と脚を持つロボットにさらに移行し、DRLベースのナビゲーションは、デプロイ可能な障害物回避動作を維持しながら秒単位の速度でトレーニング可能であることを示した。
関連論文リスト
- LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation [52.91080323083409]
エージェントは異質な目標や視覚的な観察をタスク、環境、ロボットの体現物に翻訳する必要がある。
ここでは,タスク固有の予測ヘッドを使わずに,予め訓練されたVLMの空間的知性を取り入れた,コンパクトな一般化型ナビゲーションモデルLightNav-0を提案する。
論文 参考訳（メタデータ） (2026-08-31T15:08:53Z) - Learning Social Robot Navigation By Sensing Human Legs [0.29360071145551064]
CALFは、LiDARスキャンから直接脚の動きを解釈し、安全なナビゲーションコマンドを生成するエンドツーエンドのニューラルネットワークである。
ポリシーは、カスタム軽量2DシミュレータであるLegNav内の深層強化学習アルゴリズムを使って訓練されている。
LegNavシミュレータでは,デプロイ可能なCALFポリシを1時間以内で,単一のコンシューマGPU上でトレーニングすることが可能だ。
論文 参考訳（メタデータ） (2026-07-30T09:35:03Z) - Robostral Navigate [138.74472687550374]
Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。
モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。
我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
論文 参考訳（メタデータ） (2026-07-22T23:13:05Z) - NavVerse: Benchmarking Indoor-to-Outdoor Embodied Navigation in Continuous Robot Simulation [15.21423340398543]
NavVerseは、屋内から屋外へのエンボディナビゲーションのための物理を利用したベンチマークである。
NavVerseには100の屋内シーン、50の都市屋外シーン、50の屋内屋外シーン、および1万のエピソードが収録されている。
エージェントはタスクサクセス、パス効率、安全性メトリクスを使用して実行可能なロボットインタフェースを通じて評価される。
論文 参考訳（メタデータ） (2026-07-22T02:53:46Z) - NavOL: Navigation Policy with Online Imitation Learning [10.836499380430254]
NavOLはオンラインの模倣学習パラダイムで、シミュレータと対話し、専門家によるデモをオンラインで行う。
NavOLはロールアウト更新ループでトレーニングする:ロールアウトの間、ポリシーはシミュレータで動作し、グローバル環境へのアクセスを特権とするグローバルプランナーに問い合わせる。
このオンライン模倣ループは、報酬設計の必要性を排除し、学習効率を向上し、ポリシー独自のロールアウトのトレーニングによる分散シフトを緩和する。
論文 参考訳（メタデータ） (2026-05-12T08:33:38Z) - Learning Sim-to-Real Humanoid Locomotion in 15 Minutes [51.500643119683225]
本稿では,FastSACとFastTD3という,非政治的RLアルゴリズムに基づくシンプルで実用的なレシピを提案する。
我々の単純なレシピは、何千もの並列環境において、政治外のRLアルゴリズムを大規模に安定化させる。
我々は,Unitree G1 と Booster T1 ロボット上でのヒューマノイド移動制御器のエンドツーエンドの迅速な学習を実演する。
論文 参考訳（メタデータ） (2025-12-01T18:55:17Z) - Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。
Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。
本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
論文 参考訳（メタデータ） (2024-07-18T14:40:33Z) - PoliFormer: Scaling On-Policy RL with Transformers Results in Masterful Navigators [32.937445793499776]
PoliFormerはRGBのみの屋内ナビゲーションエージェントで、エンドツーエンドでトレーニングされ、大規模に強化学習を行う。
シミュレーションで純粋に訓練されているにもかかわらず、適応せずに現実世界に一般化する。
論文 参考訳（メタデータ） (2024-06-28T17:51:10Z) - FastRLAP: A System for Learning High-Speed Driving via Deep RL and
Autonomous Practicing [71.76084256567599]
本稿では、自律型小型RCカーを強化学習(RL)を用いた視覚的観察から積極的に駆動するシステムを提案する。
我々のシステムであるFastRLAP (faster lap)は、人間の介入なしに、シミュレーションや専門家によるデモンストレーションを必要とせず、現実世界で自律的に訓練する。
結果として得られたポリシーは、タイミングブレーキや回転の加速度などの突発的な運転スキルを示し、ロボットの動きを妨げる領域を避け、トレーニングの途中で同様の1対1のインタフェースを使用して人間のドライバーのパフォーマンスにアプローチする。
論文 参考訳（メタデータ） (2023-04-19T17:33:47Z) - VER: Scaling On-Policy RL Leads to the Emergence of Navigation in
Embodied Rearrangement [44.005956312664615]
異種環境下でのバッチ化されたオンライン強化学習を効率的にスケールアップする技術である可変体験ロールアウト(VER)を提案する。
VERは、広範囲の組み込みナビゲーションとモバイル操作タスクにおいて、大幅な、一貫したスピードアップにつながる。
目に見えるようなナビゲーションを必要としないスキルにおいて、ナビゲーションが驚くほど出現していることに気付きました。
論文 参考訳（メタデータ） (2022-10-11T00:27:02Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - Deep Reinforcement learning for real autonomous mobile robot navigation
in indoor environments [0.0]
本研究では,地図やプランナーを使わずに,未知の環境下での自律型自律学習ロボットナビゲーションの概念を実証する。
ロボットの入力は、2DレーザースキャナーとRGB-Dカメラからの融合データと目標への向きのみである。
Asynchronous Advantage Actor-Critic Network(GA3C)の出力動作は、ロボットの線形および角速度である。
論文 参考訳（メタデータ） (2020-05-28T09:15:14Z)
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。