Fugu-MT 論文翻訳(概要): Minute-Scale Training for Microrobot Navigation

論文の概要: Minute-Scale Training for Microrobot Navigation

arxiv url: http://arxiv.org/abs/2608.00854v2
Date: Sun, 09 Aug 2026 05:14:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-11 19:16:36.401278
Title: Minute-Scale Training for Microrobot Navigation
Title（参考訳）: マイクロロボットナビゲーションのための微小スケールトレーニング
Abstract要約: 本稿では,効率的なマイクロロボットナビゲーションポリシーを数分でトレーニングできる学習フレームワークを提案する。高速トレーニングにおける有効性を実現するために,タスク形成・正規化(TSR)報酬フレームワークを提案する。提案した学習フレームワークは,ゼロショットデプロイメントをサポートしながら,トレーニング時間を10分未満に短縮する。
参考スコア（独自算出の注目度）: 19.59300007308498
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Microrobots hold significant potential for various applications, where targeted navigation is a basic requirement. Deep reinforcement learning (DRL) has recently emerged as a powerful paradigm for fully autonomous microrobot navigation. Yet, current DRL-based approaches pay limited attention to learning efficiency and effectiveness, requiring hours to days for model training. Consequently, this impedes both rapid practical deployment and parameter optimization. To address these challenges, we present a learning framework that enables effective microrobot navigation policies to be trained within minutes. In the proposed framework, we develop a fully vectorized simulator with more than 10,000 artificial vascular environments, parallelizing dynamics, LiDAR-inspired perception, and feasibility checks across thousands of environments to achieve roughly 190,000 transitions per second. To achieve effectiveness in fast training, we propose a task-shaping-regularization (TSR) reward framework. The TSR framework accelerates convergence, improves final performance, reduces action variation by at least 33.7%, and increases obstacle clearance by at least 2.1% across all evaluated scenarios. Results show that the proposed learning framework reduces training time to under 10 minutes, while supporting zero-shot deployment across distinct microrobot types and navigation scenarios. Collectively, this framework can substantially shorten the design loop and accelerate the deployment of autonomous microrobots.
Abstract（参考訳）: マイクロロボットは、ターゲットナビゲーションが基本的な要件である様々なアプリケーションにおいて大きな可能性を秘めている。深部強化学習(DRL)は、最近、完全自律型マイクロロボットナビゲーションの強力なパラダイムとして登場した。しかし、現在のDRLベースのアプローチは学習効率と有効性に限定的な注意を払っており、モデルトレーニングには数時間から数日を要する。これにより、迅速な実践的デプロイメントとパラメータ最適化の両方が妨げられる。これらの課題に対処するために,効率的なマイクロロボットナビゲーションポリシーを数分でトレーニングできる学習フレームワークを提案する。提案フレームワークでは,1万以上の人工血管環境,動的並列化,LiDARにインスパイアされた知覚,数千の環境における実現可能性チェックなどを備えた完全ベクトル化シミュレータを開発し,毎秒約190,000トランジションを実現する。高速トレーニングにおける有効性を実現するために,タスク形成・正規化(TSR)報酬フレームワークを提案する。 TSRフレームワークは収束を加速し、最終的なパフォーマンスを改善し、アクションの変動を少なくとも33.7%削減し、すべての評価シナリオで障害クリアランスを少なくとも2.1%向上させる。提案した学習フレームワークは,トレーニング時間を10分未満に短縮するとともに,異なるマイクロロボットタイプやナビゲーションシナリオにまたがるゼロショットデプロイメントをサポートする。まとめると、このフレームワークは設計ループを大幅に短縮し、自律的なマイクロロボットの展開を加速することができる。

関連論文リスト

Sample-efficient Low-level Motion Planning for Robotic Manipulation Tasks via Zero-shot Transfer Learning [1.1470324568544552]
そこで我々は,より単純な上流タスクから重要なiCEMパラメータを転送し,より複雑な下流タスクを誘導する,新しいiCEM+TLフレームワークを提案する。シミュレーションの結果,我々のフレームワークは最大23%の成功率向上を実現していることがわかった。このフレームワークは、実際のFranka Emikaロボットの積み重ね作業でさらに検証され、実際のデプロイの実現可能性を示している。
論文参考訳（メタデータ） (2026-06-04T11:34:50Z)
Scaling Multi Agent Reinforcement Learning for Underwater Acoustic Tracking via Autonomous Vehicles [1.7923169244369488]
マルチエージェント強化学習は、サンプル非効率で悪名高い。 GazeboのLRAUVのような高忠実度シミュレータは、リアルタイムのシングルロボットシミュレーションを100倍高速にする。本稿では,高忠実度シミュレーションをGPU加速環境へ伝達する反復蒸留法を提案する。
論文参考訳（メタデータ） (2025-05-13T04:42:30Z)
FLaRe: Achieving Masterful and Adaptive Robot Policies with Large-Scale Reinforcement Learning Fine-Tuning [74.25049012472502]
FLaReは、堅牢な事前訓練された表現、大規模なトレーニング、勾配安定化技術を統合する大規模な強化学習フレームワークである。提案手法は,タスク完了に向けた事前訓練されたポリシーを整列し,これまで実証され,全く新しいタスクや実施状況において,最先端(SoTA)のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-09-25T03:15:17Z)
Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文参考訳（メタデータ） (2024-05-30T23:20:23Z)
Deep Reinforcement Learning with Enhanced PPO for Safe Mobile Robot Navigation [0.6554326244334868]
本研究では,複雑な環境下での自律走行のための移動ロボットの訓練における深層強化学習の適用について検討する。このロボットは、LiDARセンサデータとディープニューラルネットワークを用いて、障害物を回避しつつ、特定の目標に向かって誘導する制御信号を生成する。
論文参考訳（メタデータ） (2024-05-25T15:08:36Z)
Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning [58.3994826169858]
ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
論文参考訳（メタデータ） (2023-10-23T17:50:08Z)
Reaching the Limit in Autonomous Racing: Optimal Control versus Reinforcement Learning [66.10854214036605]
ロボット工学における中心的な問題は、アジャイルなモバイルロボットの制御システムをどうやって設計するかである。本稿では、強化学習(RL)で訓練されたニューラルネットワークコントローラが最適制御(OC)法より優れていることを示す。その結果、アジャイルドローンを最大性能に押し上げることができ、最大加速速度は重力加速度の12倍以上、ピーク速度は時速108kmに達しました。
論文参考訳（メタデータ） (2023-10-17T02:40:27Z)
Navigation of micro-robot swarms for targeted delivery using reinforcement learning [0.0]
Inforcement Learning (RL) アルゴリズムをPPO(Proximal Policy Optimization) とRPO(Robust Policy Optimization) を用いて,4,9,16マイクロスウィマーの群を探索する。 PPOとRPOの両方のパフォーマンスを、限られた状態情報シナリオで調べ、また、ランダムな目標位置とサイズに対するロバスト性をテストする。
論文参考訳（メタデータ） (2023-06-30T12:17:39Z)
Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
論文参考訳（メタデータ） (2023-06-09T18:45:15Z)
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)
Watch and Match: Supercharging Imitation with Regularized Optimal Transport [28.3572924961148]
正規化された最適輸送(ROT)は、最適輸送に基づく軌道マッチングの最近の進歩に基づく新しい模倣学習アルゴリズムである。 DeepMind Control Suite、OpenAI Robotics Suite、Meta-World Benchmarkにまたがる20の視覚的制御タスクの実験では、専門家のパフォーマンスの90%に達するために平均7.8倍の高速な模倣が実証された。
論文参考訳（メタデータ） (2022-06-30T17:58:18Z)

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。