論文の概要: FALCON-S: Fixed-wing ground-effect Aerodynamics Simulator and Flight Control Learning Suite
- arxiv url: http://arxiv.org/abs/2609.06046v1
- Date: Sat, 05 Sep 2026 12:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.18427
- Title: FALCON-S: Fixed-wing ground-effect Aerodynamics Simulator and Flight Control Learning Suite
- Title（参考訳）: FALCON-S:固定翼地力空力シミュレータと飛行制御学習スイート
- Abstract要約: このシミュレータは、TorchとNVIDIA Warpを介して、CPUとGPUバックエンドの両方をサポートする。
統合されたインターフェースは、高度調整や軌道追跡といったタスクにまたがる様々なコントローラに対応している。
X-Plane と JSBSim によるクロスバリデーションもサポートされており、エンジニアリング統合と視覚的忠実性を促進する。
- 参考スコア（独自算出の注目度）: 15.798029970927535
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a modular, high-fidelity simulation framework for the development and benchmarking of flight control strategies in fixed-wing aerial robots operating near the ground. Unlike existing simulators that rely on simplified or hover-oriented dynamics, our framework models full 6DoF rigid-body physics, semi-empirical ground-effect aerodynamics, actuator dynamics, sensor noise, and environmental disturbances. This physical realism, combined with modular component design, enables systematic analysis of low-altitude flight behavior under realistic conditions. The simulator supports both CPU and GPU backends via Torch and NVIDIA Warp, enabling high-throughput parallel execution suitable for large-scale reinforcement learning training and optimal control rollouts. A unified interface accommodates a range of controllers (both RL and optical control algorithms) across tasks such as altitude regulation and trajectory tracking. Cross-validation with X-Plane and JSBSim is also supported to facilitate engineering integration and visual fidelity.
- Abstract（参考訳）: 地上で動作している固定翼空中ロボットの飛行制御戦略の開発とベンチマークのための,モジュール状で高忠実なシミュレーションフレームワークを提案する。
単純化やホバリング指向のダイナミクスに依存している既存のシミュレータとは異なり、我々のフレームワークは6DoFの剛体物理学、半経験的地上効果空気力学、アクチュエータダイナミクス、センサーノイズ、環境障害をフルにモデル化しています。
この物理リアリズムとモジュラーコンポーネントの設計を組み合わせることで、現実的な条件下での低高度飛行行動の体系的な解析が可能になる。
このシミュレータは、TorchとNVIDIA Warpを介してCPUとGPUバックエンドの両方をサポートし、大規模な強化学習トレーニングと最適なコントロールロールアウトに適した、高スループットの並列実行を可能にする。
統一インターフェースは、高度調整や軌道追跡といったタスクにまたがる様々なコントローラ(RLと光制御アルゴリズムの両方)に対応している。
X-Plane と JSBSim によるクロスバリデーションもサポートされており、エンジニアリング統合と視覚的忠実性を促進する。
関連論文リスト
- Dynamic System Emulation: Fixed Wing Dynamics on a Multicopter [0.5908471365011941]
本研究は,2軸ジンバルを備えたマルチコプターを固定翼機の飛行力学をエミュレートする制御枠組みを提案する。
目標は、固定翼車の空気力学的制約を回避するための、訓練とシミュレーションのための、運用的にシンプルなプラットフォームを提供することである。
論文 参考訳（メタデータ） (2026-09-06T10:37:50Z) - WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。
物理シミュレータが期待する観測能力を用いてACWMを評価する。
WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
論文 参考訳（メタデータ） (2026-08-10T08:48:06Z) - A Simulation Platform for Flapping-Wing Vehicles [0.0]
羽ばたき翼航空機(FWAV)は目覚ましい機敏性を示すが、かなりの自律性に直面する。
現在のシミュレーションプラットフォームは、通常、単純化された層流仮定と理想化されたセンサーモデルに依存している。
FWAV-Simは,(1)準定常羽根要素理論とブラフベース・ドラッグエフェクトを組み合わせた複合空力モデル,(2)ノイズの多いIMU計測,LiDAR点雲,RGBカメラフィードを含む現実的なセンサシミュレーションを統合した,高忠実度ユニティ合成シミュレーションフレームワークである。
論文 参考訳（メタデータ） (2026-06-01T15:17:09Z) - 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) - Co-Design of Rover Wheels and Control using Bayesian Optimization and Rover-Terrain Simulations [0.3131740922192114]
本稿では, 変形可能な地形における高忠実度フルサイクルシミュレーションを用いて, ローバーホイール形状と操舵制御パラメータを共設計する枠組みを提案する。
車輪と制御パラメータの同時同時最適化と,機械設計と制御設計を分離する逐次的アプローチの2つの戦略を比較した。
3000以上のフルサイクルシミュレーションが実施され、キャンペーンは5日から9日で終了する。
論文 参考訳（メタデータ） (2026-02-02T02:10:34Z) - Sim2Dust: Mastering Dynamic Waypoint Tracking on Granular Media [16.948852537273655]
本研究は,挑戦面上での動的ウェイポイントトラッキングのためのロバストな制御ポリシを開発するための,完全なsim-to-realフレームワークを提案する。
我々は超並列シミュレーションを利用して、プロシージャ生成環境の広範囲にわたる強化学習エージェントを訓練する。
本実験は,複数の強化学習アルゴリズムと動作平滑化フィルタを体系的に比較し,実世界の展開において最も効果的な組み合わせを同定する。
論文 参考訳（メタデータ） (2025-08-15T14:30:07Z) - A General Infrastructure and Workflow for Quadrotor Deep Reinforcement Learning and Reality Deployment [48.90852123901697]
本稿では, エンドツーエンドの深層強化学習(DRL)ポリシーを四元数へシームレスに移行できるプラットフォームを提案する。
本プラットフォームは, ホバリング, 動的障害物回避, 軌道追尾, 気球打上げ, 未知環境における計画など, 多様な環境を提供する。
論文 参考訳（メタデータ） (2025-04-21T14:25:23Z) - Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。
まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。
このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
論文 参考訳（メタデータ） (2024-06-21T13:48:37Z) - Learning to Fly in Seconds [7.259696592534715]
カリキュラム学習と高度に最適化されたシミュレータが,サンプルの複雑さを増し,学習時間の短縮につながることを示す。
我々のフレームワークは、コンシューマ級ラップトップで18秒のトレーニングをした後、直接制御するためのSimulation-to-Real(Sim2Real)転送を可能にする。
論文 参考訳（メタデータ） (2023-11-22T01:06:45Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z)
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。