論文の概要: Bridging Performance and Generalization in Reinforcement Learning for Agile Flight

• arxiv url: http://arxiv.org/abs/2606.27348v1
• Date: Thu, 25 Jun 2026 17:54:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.393518
• Title: Bridging Performance and Generalization in Reinforcement Learning for Agile Flight
• Title（参考訳）: アジャイル飛行の強化学習におけるブリッジング性能と一般化
• Abstract要約: RLをベースとしたドローンレースのアジャイル飛行におけるゼロショット一般化のためのフレームワークを提案する。 提案手法は,実世界の様々な未確認競馬場において,強いゼロショット性能を実現する。
• 参考スコア（独自算出の注目度）: 26.465258512733126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous drone racing is a fundamentally challenging regime for autonomous aerial robots, requiring time-optimal control while operating under persistent actuation saturation. While reinforcement learning (RL) has achieved human-level performance in this domain, current methods fail to generalize; policies trained on specific environments often crash immediately in unseen configurations. This failure reflects the intrinsic difficulty of zero-shot generalization in agile flight, arising from high-dimensional task variation and the tight coupling between safety and performance at high speeds. Existing approaches that improve generalization impose a substantial cost on flight speed: control policies must significantly degrade performance to achieve even modest levels of generalization. In this work, we propose a framework for zero-shot generalization in agile flight for RL-based drone racing. By combining task-aware switching based on learning progress with a physically informed procedural track generator, the framework produces a fast and robust generalist policy without test-time adaptation. Our method achieves strong zero-shot performance across a wide range of unseen racetracks in the real world, demonstrating a 7.4x improvement in generalization over the state-of-the-art approaches, while maintaining competitive racing speeds. We validate our method's results in both simulation and real-world settings, including a challenging vision-based, end-to-end control setting that operates without explicit state estimation, where all prior approaches fail to generalize.
• Abstract（参考訳）: 自律ドローンレースは、自律飛行ロボットにとって基本的に困難な制度であり、持続的な運動飽和の下で動作している間に、時間的最適制御を必要とする。 強化学習(RL)はこの領域で人間レベルのパフォーマンスを達成したが、現在の手法は一般化に失敗した。 この失敗は、高次元のタスク変動と高速での安全性とパフォーマンスの密結合に起因する、アジャイル飛行におけるゼロショット一般化の本質的な難しさを反映している。 制御ポリシーは、微妙な一般化のレベルに達するためには、性能を著しく低下させなければならない。 本研究では,RLをベースとしたドローンレースのアジャイル飛行におけるゼロショット一般化のためのフレームワークを提案する。 学習進捗に基づくタスク認識スイッチングと物理的に情報を得たプロシージャトラックジェネレータを組み合わせることで、テスト時間適応のない高速で堅牢なジェネラリストポリシーを生成する。 提案手法は, 競争速度を維持しつつ, 最先端のアプローチに対する一般化を7.4倍に向上させることで, 実世界の未確認レーストラックにまたがる強烈なゼロショット性能を実現する。 提案手法の結果をシミュレーションと実世界の双方で検証し,事前アプローチの一般化に失敗する明示的な状態推定を伴わずに動作可能な,視覚に基づくエンドツーエンドの制御設定を課題とする。

関連論文リスト

• AgilePE: Autonomous UAV Pursuit-Evasion via Self-Play Reinforcement Learning [31.828745787124316]
  本稿では,自律型UAV追尾回避システムであるAgilePEを提案する。 AgilePEはアジャイルの低レベルのコントロール、競合ポリシの最適化、統合されたフレームワークでのsim-to-realデプロイメントを統合しています。 トレーニングでは,プライオリティライズ・フィクション・セルフプレイ(PFSP)と多様な対戦プールを併用し,エージェントが歴史的方針に反する改善を可能にする。 実世界の実験では、急速ドッジや側面撮影を含むシミュレーションで観測された追跡回避戦術を再現し、インタラクティブな2エージェントゼロショット展開を実証している。
  論文  参考訳（メタデータ） (2026-08-14T09:41:16Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Simple but Stable, Fast and Safe: Achieve End-to-end Control by High-Fidelity Differentiable Simulation [14.322775509774246]
  障害物回避(Obstacle avoidance)は、四重項が高度なアプリケーションを実行できるようにするための基本的な視覚ベースのタスクである。 本稿では,深度画像を直接低レベルのボディレートコマンドにマッピングする新しいエンドツーエンドポリシーを提案する。 その結果,提案手法は,最先端のベースラインの中で,最も成功率が高く,かつ最低であることがわかった。
  論文  参考訳（メタデータ） (2026-04-12T09:38:00Z)
• Agile Interception of a Flying Target using Competitive Reinforcement Learning [2.982218441172364]
  この記事では、捕獲網を積んだ別のアジャイルドローンによって、アジャイルドローンを迎撃するソリューションを提示します。 我々は、このインターセプションを競合強化学習問題として定式化し、インターセプターとターゲットドローンを個別のポリシーで制御する。 JAXで実装された現実的な四重項力学モデルと低レベル制御アーキテクチャを統合した高忠実度シミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2026-03-17T09:11:23Z)
• Curriculum Reinforcement Learning for Quadrotor Racing with Random Obstacles [12.806994271928483]
  本稿では,ドローンレースにおける未知の障害に対処できるロバストコントローラをトレーニングするための,視覚に基づくカリキュラム強化学習フレームワークを提案する。 我々のエンドツーエンド制御ポリシは単一ネットワークとして実装されており、可変障害物環境下での高速飛行を可能にする。
  論文  参考訳（メタデータ） (2026-02-27T13:56:59Z)
• Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation [65.13627721310613]
  平均速度ポリシー(MVP)は、平均速度場をモデル化し、最速のワンステップアクション生成を実現するための新しい生成ポリシー関数である。 MVPはRoomimicとOGBenchのいくつかの困難なロボット操作タスクに対して、最先端の成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-14T14:44:06Z)
• High-Speed Vision-Based Flight in Clutter with Safety-Shielded Reinforcement Learning [7.796497371549364]
  モデルに基づく安全機構を付加したエンドツーエンドのRLフレームワークを提案する。 トレーニング中は、グローバルなナビゲーションガイダンスを提供する物理インフォームド報酬構造を設計する。 配置中、我々は、厳密な衝突回避制約を強制するために、ポリシー出力を証明可能な安全なセットに投影するリアルタイム安全フィルタを統合する。
  論文  参考訳（メタデータ） (2026-02-09T13:47:02Z)
• Mastering Diverse, Unknown, and Cluttered Tracks for Robust Vision-Based Drone Racing [22.63301233637327]
  ドローンレースの目標を固定した障害物のないトラックの強化学習手法のほとんどは、未知の乱雑な環境に一般化を残したままであった。 この課題は、レース速度と衝突回避のバランスをとる必要があること、限られた実現可能な空間が、訓練中に地元のオプティマに閉じ込められた政策探索を引き起こすことに起因している。 高速飛行のための政策探索を継続する初期ソフトコリデーショントレーニングフェーズと、堅牢な障害物回避を強制するハードコリデーション改善フェーズの2段階学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-10T12:02:48Z)
• FASTer: Toward Efficient Autoregressive Vision Language Action Modeling via Neural Action Tokenization [61.10456021136654]
  本稿では,効率的で汎用的なロボット学習のための統合フレームワークであるFASTerを紹介する。 FASTerVQは、アクションチャンクをシングルチャネルイメージとしてエンコードし、高い圧縮比を維持しながら、グローバルな時間的依存関係をキャプチャする。 FASTerVLAはブロックワイドの自動回帰デコーディングと軽量アクションエキスパートを備えたトークンライザ上に構築されており、推論の高速化とタスクパフォーマンスの向上を実現している。
  論文  参考訳（メタデータ） (2025-12-04T16:21:38Z)
• SpeedAug: Policy Acceleration via Tempo-Enriched Policy and RL Fine-Tuning [52.29534291796025]
  強化学習(Reinforcement learning)は、より高速な実行のためにポリシーを適用する、有望なアプローチである。 タスク実行の高速化のために事前学習されたポリシーを効率的に適応するRLベースのポリシーアクセラレーションフレームワークであるSpeedAugを提案する。
  論文  参考訳（メタデータ） (2025-11-24T04:25:47Z)
• Learned Controllers for Agile Quadrotors in Pursuit-Evasion Games [42.74003740156243]
  我々は,アジャイル1v1クアッドロータ追従回避の問題に対処する。 これらの問題に対処するために,非同期多段階人口ベース (AMSPB) アルゴリズムを提案する。 このフレームワークでは、ベロシティコマンドまたはボディーレートを集合推力で出力するニューラルネットワークコントローラをトレーニングします。
  論文  参考訳（メタデータ） (2025-06-03T13:19:23Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot Locomotion [78.46388769788405]
  我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。 誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-22T10:15:53Z)

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。