論文の概要: WaveLander: A Generalizable Hierarchical Control Framework for UAV Landing on Wave-Disturbed Platforms via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.01281v1
• Date: Wed, 01 Jul 2026 08:28:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.522342
• Title: WaveLander: A Generalizable Hierarchical Control Framework for UAV Landing on Wave-Disturbed Platforms via Reinforcement Learning
• Title（参考訳）: WaveLander: 強化学習による波乱プラットフォーム上のUAVランディングのための一般化可能な階層制御フレームワーク
• Authors: Chun-Kit Li, Iok Long Sit, Ming Fung Siu, Ka Yu Kui, Hin Wang Lin, Pengyu Wang, Ling Shi,
• Abstract要約: 本稿では、低レベルの飛行安定化から垂直着陸決定を分離する強化学習(RL)による階層制御フレームワークであるWaveLanderを提案する。 RLは、コンパクトなプラットフォーム相対観測をスカラーの垂直速度基準にマッピングする一方、従来の低レベル飛行制御器は姿勢安定性と横方向追跡を維持できる。 シミュレーションの結果,WaveLanderはロバストな着地性能を達成し,目に見えない外乱条件に一般化することがわかった。
• 参考スコア（独自算出の注目度）: 8.852817079320781
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous landing of unmanned aerial vehicles (UAVs) on wave-disturbed marine platforms remains challenging due to stochastic platform motion, time-varying platform attitude, and uncertain touchdown conditions. Existing model-based methods often require accurate motion prediction and online optimization, while end-to-end learning approaches may suffer from high training complexity and limited interpretability. This paper presents WaveLander, a hierarchical control framework via reinforcement learning (RL) that decouples vertical landing decision-making from low-level flight stabilization. The RL policy maps a compact platform-relative observation to a scalar vertical velocity reference, while a conventional low-level flight controller maintains attitude stability and lateral tracking. This formulation reduces dynamic platform landing to a low-dimensional, timing-aware control problem and enables smooth landing behavior without explicit switching rules. Simulation results under randomized wave-induced platform motions show that WaveLander achieves robust landing performance and generalizes to unseen disturbance conditions, demonstrating the potential of hierarchical learning-based control for marine UAV recovery.
• Abstract（参考訳）: 無人航空機(UAV)の海上プラットフォームへの自律着陸は、確率的なプラットフォームの動き、時間的なプラットフォーム姿勢、不確実なタッチダウン条件により、依然として困難である。 既存のモデルベースの手法では、しばしば正確な動き予測とオンライン最適化を必要とするが、エンドツーエンドの学習アプローチは、高い訓練の複雑さと限定的な解釈可能性に悩まされる。 本稿では、低レベルの飛行安定化から垂直着陸決定を分離する強化学習(RL)による階層制御フレームワークであるWaveLanderを提案する。 RLポリシーは、コンパクトなプラットフォーム相対観測をスカラーの垂直速度基準にマッピングする一方、従来の低レベル飛行制御器は姿勢安定性と横方向追跡を維持できる。 この定式化により、低次元タイミング制御問題への動的プラットフォームランディングを低減し、明示的なスイッチングルールなしでスムーズなランディング動作を可能にする。 ランダムな波動誘導プラットフォーム動作によるシミュレーションの結果,WaveLanderは強靭な着地性能を達成し,観測不能な外乱条件に一般化し,階層的な学習ベース制御による海洋UAV回収の可能性を示した。

関連論文リスト

• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• Vision-Based Agile Landing on Turbulent Waters [20.61876675265201]
  本稿では,移動型海上プラットフォームへの自律型マルチロータ着陸のための強化学習に基づくアプローチを提案する。 提案手法では,マルチロータ状態測定と局所的な視覚的特徴を併用して,姿勢と推力の予測を行う。 本研究は, メリーラフの海況に対応するプラットフォーム動作下で, 最先端のモデル予測制御のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-22T14:59:17Z)
• 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)
• Onboard MuJoCo-based Model Predictive Control for Shipboard Crane with Double-Pendulum Sway Suppression [7.645323708488569]
  海上での重荷の移動は、危険なペイロードのスウェイによって制限された効率的なクレーンの運用に依存している。 既存の制御方法はそのような設定で苦労し、しばしば単純化された分析モデルに依存している。 MuJoCo MPCフレームワークを中心とした,完全なリアルタイム制御パイプラインを示す。
  論文  参考訳（メタデータ） (2026-03-17T11:43:52Z)
• Vertical Planetary Landing on Sloped Terrain Using Optical Flow Divergence Estimates [6.3359275271421565]
  ロータークラフトやランダーのような小型軽量の宇宙船は、限られた処理能力とペイロード容量を有する。 ミツバチのような飛べる昆虫は、神経と感覚の資源が最小限に抑えられ、目覚ましい着陸を遂げる。 本稿では,2つの異なる局所流分量の推定値を利用して推力と姿勢の制御を行う非線形制御手法を提案する。
  論文  参考訳（メタデータ） (2025-12-04T01:46:55Z)
• Forecasting Seismic Waveforms: A Deep Learning Approach for Einstein Telescope [46.4942794596355]
  我々は、アインシュタイン望遠鏡のような将来の重力波検出器の文脈において、3成分地震波形を予測する変圧器に基づくモデルであるtextitSeismoGPTを紹介した。 波形データから直接時間的および空間的依存関係を学習することにより、SeesmoGPTは現実的な地動パターンを捉え、正確な短期予測を提供する。
  論文  参考訳（メタデータ） (2025-09-25T19:16:13Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)

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。