論文の概要: Aerial Manipulation in the Wild with Onboard Perception, Policy Learning, and Whole-Body Control

• arxiv url: http://arxiv.org/abs/2609.30521v1
• Date: Thu, 24 Sep 2026 20:16:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.132586
• Title: Aerial Manipulation in the Wild with Onboard Perception, Policy Learning, and Whole-Body Control
• Title（参考訳）: 自然界における空気操作の知覚, 政策学習, 全体制御
• Abstract要約: 本稿では、実世界の屋外航空操作フレームワークについて、模擬学習、LiDAR慣性状態推定、全身モデル予測制御を統合する。 拡散ポリシは、操作デモからトレーニングされ、オンボード観測から望ましいエンドエフェクタ動作を生成する。 実験結果から,実演駆動型操作ポリシは,車載状態推定やモデルに基づく全身制御と効果的に統合可能であることが示された。
• 参考スコア（独自算出の注目度）: 10.25791500257308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerial manipulation in outdoor environments remains challenging due to the simultaneous requirements of reliable state estimation, stable aerial motion, and precise manipulation under external disturbances. In this work, we present a real-world outdoor aerial manipulation framework that integrates imitation learning, onboard LiDAR-inertial state estimation, and whole-body model predictive control. A Diffusion Policy is trained from manipulation demonstrations to generate desired end-effector motions from onboard observations. These learned commands are executed by a whole-body MPC that jointly coordinates the aerial platform and manipulator to realize the desired end-effector trajectory. To eliminate reliance on external motion-capture infrastructure, the platform employs onboard LiDAR-inertial odometry for state estimation during outdoor operation. We validate the complete framework on a physical aerial manipulator and demonstrate successful execution of outdoor manipulation tasks. The experimental results show that demonstration-driven manipulation policies can be effectively integrated with onboard state estimation and model-based whole-body control to enable aerial manipulation beyond controlled indoor environments.
• Abstract（参考訳）: 大気中の空気の操作は、信頼性の高い状態推定、安定した空気の動き、外乱下での精密な操作の同時要求により、依然として困難である。 本研究では,模擬学習,LiDAR慣性状態推定,全身モデル予測制御を統合した実世界の屋外航空操作フレームワークを提案する。 拡散ポリシは、操作デモからトレーニングされ、オンボード観測から望ましいエンドエフェクタ動作を生成する。 これらの学習コマンドは、航空プラットフォームとマニピュレータを協調して調整する全身MPCによって実行され、所望のエンドエフェクタ軌道を実現する。 外部のモーションキャプチャーインフラへの依存を避けるため、プラットフォームはLiDAR慣性オドメトリーを用いて屋外操作中の状態推定を行う。 物理的航空マニピュレータの完全な枠組みを検証し,屋外操作タスクの実施を成功に導く。 実験結果から, 実演駆動型操作ポリシを車載状態推定とモデルに基づく全身制御と有効に統合することにより, 室内環境以外の航空操作を可能とした。

関連論文リスト

• Fetch My Beer: Synthetic-to-real Hierarchical Policy for Smooth Pick-and-place [54.561625475942584]
  本研究では, 液体充填容器の安定輸送について検討し, ロボットが物体を目標場所へ移動させながら, スロッシングを抑え, こぼれを防止する方法を検討した。 このタスクは運動の滑らかさと軌道レベルの安定性に厳格な要件を課し、既存のシステムの明確な制限を明らかにする。 物理的に検証されたデータ生成と階層的拡散型コントローラを結合した合成から現実のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-16T04:55:12Z)
• 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)
• 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 Terrain-Aware Whole-Body Control for Perceptive Legged Loco-Manipulation [2.915167691607446]
  我々は,足のマニピュレータのための地形対応全体制御フレームワークTA-WBCを紹介する。 我々は、地形の特徴を抽出するためにハイブリッド・エクセプション・エンコーダを用いており、ロボットが姿勢や足場を積極的に適応するための重要な基盤となっている。 安定なクロステランのロコ操作を容易にするため,フット接触面に基づく新しいエンドエフェクタサンプリング法を提案する。
  論文  参考訳（メタデータ） (2026-05-29T14:22:10Z)
• An Aerial Manipulator for Perception-Driven Flower Targeting Toward Contactless Pollination in Vertical Farming [2.3689479395095843]
  自然汚染物質の減少は、制御された屋内農業における作物生産に大きな課題を生んだ。 本稿では, 垂直農業環境における花の検出, 局在化, アプローチのための空中マニピュレータプラットフォームを提案する。 提案システムは,PX4プラットフォーム上でのRGBDに基づく知覚,MPPIに基づく無人航空機(UAV)制御,および高精度エンドエフェクタ位置決めのための軽量2DoFマニピュレータを統合した。
  論文  参考訳（メタデータ） (2026-05-07T16:58:28Z)
• Sim-to-Real Transfer and Robustness Evaluation of Reinforcement Learning Control with Integrated Perception on an ASV for Floating Waste Capture [4.05330458826742]
  本稿では,カメラによる偏光認識と,浮き汚れ検出・捕捉のための軽量DRL制御器を組み合わせたフィールド検証システムを提案する。 カメラ検出は水面のターゲットポイントに変換され、完全にシミュレーションで訓練されたコントローラによって追跡され、改造されたAVSプラットフォームに直接展開される。
  論文  参考訳（メタデータ） (2026-05-04T12:29:15Z)
• Global End-Effector Pose Control of an Underactuated Aerial Manipulator via Reinforcement Learning [15.634803296068009]
  ロボットアームとマルチロータードローンを組み合わせた空中マニピュレータは、アームの重量と機械的複雑さに厳しい制約に直面している。 本研究では,2自由度2自由度(DoF)アームを,6自由度エンドエフェクタのフルポーズ制御が可能な差動機構を用いて検討した。
  論文  参考訳（メタデータ） (2025-12-24T10:00:01Z)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing [42.27572349747162]
  本研究では,空中すべり作業に対する学習に基づく適応制御手法を提案する。 提案するコントローラ構造は,データ駆動制御とモデルベース制御を組み合わせたものである。 美術品間相互作用制御手法の微調整状態と比較して,追従誤差の低減と外乱拒否の改善を実現した。
  論文  参考訳（メタデータ） (2022-06-28T16:28:59Z)
• 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。