論文の概要: AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback

• arxiv url: http://arxiv.org/abs/2609.24054v1
• Date: Mon, 21 Sep 2026 03:29:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:11:56.797637
• Title: AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback
• Title（参考訳）: AquaOrbit: 間欠的視覚フィードバック下での水中目標軌道追従のためのSim-to-Real強化学習
• Abstract要約: 間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。 AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
• 参考スコア（独自算出の注目度）: 51.92060148406936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intermittent visual loss disrupts target-relative feedback during underwater orbiting, making it difficult to maintain coordinated motion and reacquire a moving target. We present AquaOrbit, a reinforcement-learning controller with a recovery module for underwater target orbiting under interrupted visual feedback. During detection loss, the recovery module uses latched line-of-sight, roll, and depth references to support stabilization and target reacquisition. We train the controller in Isaac Sim with dynamics, observation, and vision-loss randomization. Evaluated without retraining in Gazebo/ROS2 under a different physics engine and perception perturbations, AquaOrbit completes 20/20 orbiting trials in each of the static- and moving-target conditions on an unseen variable-depth 3-D trajectory. In the moving-target condition, it reduces mean line-of-sight error by approximately 46% relative to a PID-based visual servoing controller with recovery while maintaining comparable path-tracking accuracy; removing the recovery module reduces completion to 9/20. Zero-shot physical deployment with fully onboard perception and control demonstrates elliptical, figure-eight, and variable-depth circular trajectories, including the latter two trajectory types absent from training. The robot maintains attitude stability during manual occlusions lasting up to 8s and reacquires the target within 2.5s in the reported attitude-induced field-of-view loss events.
• Abstract（参考訳）: 間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害し、協調した動きを維持でき、移動目標を再獲得することは困難である。 AquaOrbitは、視覚的フィードバックの中断の下で、水中の標的軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。 検出損失の間、リカバリモジュールはラッチされた視線、ロール、深さ参照を使用して安定化と目標再獲得をサポートする。 我々はアイザック・シムのコントローラを動的、観察的、視覚的ロスランダム化で訓練する。 異なる物理エンジンと知覚摂動の下でガゼボ/ROS2で再訓練することなく評価され、AquaOrbitは未知の可変深度3次元軌道上の静止状態と移動目標条件のそれぞれで20/20の軌道公試を完了した。 移動目標条件では、PIDベースの視覚サーボコントローラと比較して平均視線誤差を約46%削減し、経路追跡精度を同等に保ち、回復モジュールを除去することで完了時間を9/20に短縮する。 完全に搭載された知覚と制御を備えたゼロショットの物理的展開は、訓練から欠落している2つの後続の軌跡を含む楕円形、図形、および可変深度円軌道を示す。 ロボットは、最大8秒までの手動閉塞時の姿勢安定性を維持し、報告された姿勢誘発視野損失イベントにおいて2.5秒以内の目標を再獲得する。

関連論文リスト

• Predictive Training with Latent Imagination for Visual Quadruped Navigation [2.687590979817173]
  脚付きロボットの強化学習ナビゲーションポリシーは、現在の観測と短期記憶から反応的に行動を選択する。 トレーニング中にポリシーの繰り返し状態に適用される軽量な予測監督は、推論時コントローラを変更することなく予測障害ダイナミクスを符号化することができる。 動的障害物を伴うシミュレーションおよび実世界のナビゲーションベンチマークにおいて,予測学習信号のみでの衝突速度を低減しつつ,ナビゲーションの成功を著しく改善する。
  論文  参考訳（メタデータ） (2026-07-20T05:33:22Z)
• Motion Cues from Image-based Point Tracking for LiDAR Scene Flow Estimation [59.420015367586615]
  我々は、LiDARシーンフロー推定における動的オブジェクト表現を改善するための追跡誘導フレームワークであるTrackCueを紹介する。 特に、TrackCueは、ポイントトラッキングを再利用して、LiDARポイントに固定された高密度の画像空間軌跡を得る。 TrackCueは動的ラベルの精度とF1スコアを大幅に向上し、自己監督型シーンフロー推定の性能向上につながることを示す。
  論文  参考訳（メタデータ） (2026-05-16T10:28:54Z)
• Meta-Adaptive Beam Search Planning for Transformer-Based Reinforcement Learning Control of UAVs with Overhead Manipulators under Flight Disturbances [8.618483849755604]
  オーバーヘッドマニピュレータを備えたドローンは、検査、メンテナンス、コンタクトベースのインタラクションにユニークな機能を提供する。 ドローンとそのマニピュレータの動作は強く結びついており、風や制御の欠陥による小さな姿勢の変化でさえ、エンドエフェクターを意図した経路から遠ざける。 変換器をベースとしたDouble Deep Q Learning (DDQN) を用いた強化学習フレームワークを開発した。 これにより、コントローラは実際のモデル上でこれらのアクションを直接実行するのではなく、シミュレーションされたロールアウトを通じてエンドエフェクタの動きを予測できる。
  論文  参考訳（メタデータ） (2026-03-27T17:08:40Z)
• Robust Dynamic Object Detection in Cluttered Indoor Scenes via Learned Spatiotemporal Cues [15.517814236046055]
  鳥眼視(BEV)により時間的占有感に基づく運動分節を融合させるLiDARのみのフレームワークを提案する。 モーションキャプチャー地上真実を用いた実験により,本手法は28.67%のリコール率,18.50%のF1スコアを達成した。
  論文  参考訳（メタデータ） (2026-03-16T18:59:51Z)
• 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)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• SM/VIO: Robust Underwater State Estimation Switching Between Model-based and Visual Inertial Odometry [1.9785872350085876]
  本稿では,水中操作における視覚慣性状態推定のロバスト性問題に対処する。 提案手法では,ロボットの運動学モデルと固有感覚センサを用いてポーズ推定を行う。 ヘルスモニタリングは、2つの推定器間のタイムリーな切り替えを保証するVIOプロセスを追跡する。
  論文  参考訳（メタデータ） (2023-04-04T17:46:20Z)

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。