論文の概要: Unified Planning-Learning Framework for Robust UUV Navigation Under Partial Observability

• arxiv url: http://arxiv.org/abs/2608.05365v1
• Date: Wed, 05 Aug 2026 19:37:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.662638
• Title: Unified Planning-Learning Framework for Robust UUV Navigation Under Partial Observability
• Title（参考訳）: 部分観測可能性を考慮したロバストUUVナビゲーションのための統一計画学習フレームワーク
• Abstract要約: 本稿では,無人水中車両(UUV)の動的水中環境におけるナビゲーションのための,観測のみの自律的枠組みを提案する。 提案したパイプラインは、オンボードソナーと深度画像観測のみから占有マップを構築する。 このフレームワークは、永続的占有マッピング、グローバルクリアランス対応計画、リスク対応ローカルコントロールを統合している。
• 参考スコア（独自算出の注目度）: 1.8047694351309207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an observation-only autonomy framework for Unmanned Underwater Vehicles (UUVs) navigation in dynamic underwater environments that integrates persistent occupancy mapping, global clearance-aware planning, and risk-aware local control. The proposed pipeline constructs occupancy maps solely from onboard sonar and depth image observations, adapts a clearance-constrained global planner (GP) to provide long-horizon structure, and integrates a reinforcement learning (RL) policy to handle short-range tracking and reactive avoidance. To further support decision-making under partial observability, the system learns a compact latent state representation from onboard sensor data, encoding environmental structure, obstacle dynamics, and uncertainty. Behavior tree (BT) distillation with staged supervision is introduced to improve safety and training stability, while an uncertainty-calibrated distillation mechanism reweights teacher guidance using online latent-model uncertainty, emphasizing uncertain regimes during learning, with time-to-collision (TTC) and clearance cues remaining explicit in planning and local policy features. To demonstrate the efficacy of the framework, a reproducible multi-seed evaluation protocol is established in high-fidelity GPU-accelerated simulation using NVIDIA Isaac Sim, and performance is benchmarked against BT-only and standard RL baselines. The results obtained demonstrate improved robustness and safety under dynamic conditions, thus providing a general pipeline with a unified hybrid planning learning architecture and a reproducible methodology for robust UUV autonomy under partial observability.
• Abstract（参考訳）: 本稿では,無人水中車両(UUV)航法における観測のみの自律的枠組みについて述べる。 提案するパイプラインは,オンボードソナーと深度画像観測のみから占有マップを構築し,長距離構造を提供するためにクリアランス制約付きグローバルプランナー(GP)を適用し,短距離追跡と反応性回避を扱うための強化学習(RL)ポリシーを統合する。 部分観測可能性下での意思決定をさらに支援するために、オンボードセンサデータから小型の潜伏状態表現、環境構造、障害物ダイナミクス、不確実性等を学習する。 行動木(BT)蒸留は、安全と訓練の安定性を向上させるために導入され、不確実性校正された蒸留機構は、オンラインの潜伏モデル不確実性を用いて教師の指導を再重み付けし、学習中の不確実な状況を強調し、時間対衝突(TTC)とクリアランスの手がかりは、計画や地域政策の特徴において明確なままである。 本フレームワークの有効性を示すため,NVIDIA Isaac Simを用いたGPU高速化シミュレーションにおいて,再現可能なマルチシード評価プロトコルが確立され,BTのみおよび標準RLベースラインに対して性能がベンチマークされる。 その結果、動的条件下でのロバスト性と安全性の向上が示され、統一されたハイブリッド計画学習アーキテクチャと、部分可観測性の下での堅牢なUUV自律性のための再現可能な方法論を備えた汎用パイプラインが提供される。

関連論文リスト

• Learning-Based Dynamic Obstacle Avoidance for a UAV Using Only Three Range Sensors [1.2246649738388389]
  本研究では,未知の動環境下で一定高度で動作する無人航空機(UAV)のキノダイナミック・オンライン・モーション・プランニングに対する学習に基づくアプローチを提案する。 提案フレームワークは,行動グリッドマップの表現をDeep Reinforcement Learning (DRL)と統合し,継続的制御における安定した政策学習を実現する。 キーとなるアイデアは、低コストな3つの指向性レンジセンサーのみを使用して、信頼性の高いナビゲーションを可能にする状態表現と制御ポリシーの共設計である。
  論文  参考訳（メタデータ） (2026-09-13T10:53:43Z)
• Graph-Based Safe Reinforcement Learning for Multi-Agent Systems with Time-Varying Topology [0.0]
  本稿では、時間変化トポロジを用いた協調ナビゲーションのためのグラフベースの安全なマルチエージェント強化学習(MARL)フレームワークを提案する。 センサ制約のある環境における安全確保という重要な課題に対処するため,安全分離機構を導入している。 この安全基盤に基づいて、注意に基づくアクターとグラフ注意ネットワーク(GAT)を統合した統合構造アーキテクチャが提案されている。
  論文  参考訳（メタデータ） (2026-09-08T14:30:06Z)
• PILOT: Privileged Imitation Learning for End-to-End Motion Planning of Autonomous UAVs under Partial Observability [7.550075542886951]
  本稿では、視覚に基づくエンドツーエンドUAV計画のための制約対応の特権的模倣学習フレームワークであるPILOTについて述べる。
  論文  参考訳（メタデータ） (2026-08-14T08:43:59Z)
• 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)
• Learning Predictive Control with Deep Koopman Operators for Autonomous Vehicle Motion Planning [11.149068950974113]
  モデル予測制御(MPC)は自律走行車(AV)運動計画に広く用いられているが、リアルタイム適用性は限られている。 Actor-criticは動的道路環境における非線形学習問題に対するオンラインソリューションを提供する。 本稿では、効率的なリアルタイム動作制御のためのディープ・クープマン演算子を用いたフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-06T12:26:21Z)
• Instantaneous Planning, Control and Safety for Navigation in Unknown Underwater Spaces [0.21108097398435333]
  未知の環境で自律型水中車両(AUV)を航行することは極めて困難である。 これらの要因は、正確なグローバルローカライゼーション、信頼性の高い通信、障害物回避において課題を提起する。 本研究では,実時間センサデータを利用して閉ループAUV軌道を動的に誘導する統合計画制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-07T01:32:29Z)
• A Survey on Sensor-based Planning and Control for Unmanned Underwater Vehicles [2.6706790642027194]
  本調査は無人水中車両(UUV)のセンサによる最近の計画・制御手法について検討する。 焦点は、SONARや慣性測定ユニット(IMU)のようなリアルタイムセンサー入力に適応するリアクティブなローカルプランニングレイヤである。 この調査では、既存の文献を、センサーベースの計画と制御のための分離された結合アーキテクチャに分類している。
  論文  参考訳（メタデータ） (2026-04-06T00:40:37Z)
• Compressive sensing inspired self-supervised single-pixel imaging [48.79613794195208]
  SISTA-Netは、単画素イメージングのための圧縮センシングインスパイアされた自己教師方式である。 我々は、適応スパース変換と学習可能なソフトスレッショルド演算子を組み合わせることで、潜伏領域に明示的な物理的間隔を課すために、ディープ非線形ネットワークを利用する。 複数のシミュレーションシナリオの実験では、SISTA-NetはPSNRの2.6dBで最先端の手法より優れていた。
  論文  参考訳（メタデータ） (2026-03-31T13:31:43Z)
• Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
  本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。 スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。 退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
  論文  参考訳（メタデータ） (2026-03-13T11:09:50Z)
• DFPO: Scaling Value Modeling via Distributional Flow towards Robust and Generalizable LLM Post-Training [94.568675548967]
  実環境における訓練強化学習(RL)システムは、ノイズの多い監視とドメイン外の一般化が不十分なため、依然として困難である。 近年の分布RL法は、複数の量子点を持つ値をモデル化することでロバスト性を向上させるが、スカラーとして各量子点を独立に学習する。 DFPOは、時間ステップをまたいだ連続フローとして値をモデル化する、ロバストな分散RLフレームワークである。
  論文  参考訳（メタデータ） (2026-02-05T17:07:42Z)
• Interpretable Hybrid Deep Q-Learning Framework for IoT-Based Food Spoilage Prediction with Synthetic Data Generation and Hardware Validation [0.5417521241272645]
  インテリジェントでリアルタイムな腐敗予測システムの必要性は、現代のIoT駆動食品サプライチェーンにおいて重要になっている。 本稿では,Long Short-Term Memory(LSTM)とRecurrent Neural Networks(RNN)を統合したハイブリッド強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-22T12:59:48Z)
• Digital Twin Supervised Reinforcement Learning Framework for Autonomous Underwater Navigation [0.0]
  本稿では,科学実験に広く利用されているオープンプラットフォームであるBlueROV2の事例を通して,課題を考察する。 本稿では,PPOアルゴリズムに基づく深層強化学習手法を提案する。 以上の結果から, PPO政策は高度に乱雑な環境でのDWAを一貫して上回っていることが示唆された。
  論文  参考訳（メタデータ） (2025-12-11T18:52:42Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• In-Distribution Barrier Functions: Self-Supervised Policy Filters that Avoid Out-of-Distribution States [84.24300005271185]
  本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。 本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
  論文  参考訳（メタデータ） (2023-01-27T22:28:19Z)

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。