論文の概要: SwingRL: Adaptive Observation Reinforcement Learning with World-Model Prediction for Cable-Suspended Hoisting Control

• arxiv url: http://arxiv.org/abs/2609.33053v1
• Date: Sun, 27 Sep 2026 00:34:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:56:52.955148
• Title: SwingRL: Adaptive Observation Reinforcement Learning with World-Model Prediction for Cable-Suspended Hoisting Control
• Title（参考訳）: SwingRL: ケーブル懸架ホスティング制御のためのワールドモデル予測を用いた適応観測強化学習
• Abstract要約: SwingRLは、ロボットホイストのための強化学習フレームワークである。 古いフィードバックと不確実なダイナミクスの問題に対処する。 SwingRLは69.5%が厳格で77.3%が広範に成功し、全ベースラインを少なくとも60ポイント上回っている。
• 参考スコア（独自算出の注目度）: 9.758560172993748
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cable-suspended hoisting is widely used to move heavy or bulky payloads that cannot be handled conveniently by rigid pick-and-place systems, for example in crane-assisted construction. Robotic hoisting using flexible cables is challenging because payload motion is underactuated, external disturbances vary, and delayed or lost visual observations can make the perceived payload state stale at control execution. These effects are particularly critical during precise insertion of a suspended payload's sockets onto rebar pins, which is a very common task in construction environments. We present SwingRL, a residual reinforcement-learning (RL) framework that combines an age-aware world model, a classical anti-swing prior, and a recurrent residual policy to address two coupled problems: stale feedback and uncertain dynamics. The world model propagates the newest received payload observation to the current control step using the executed commands, providing a time-aligned state estimate under delayed and lossy sensing. The prior supplies nominal tracking and swing damping. The residual policy learns bounded corrections to the prior rather than the complete control law, compensating for system-parameter variation, external disturbances, and remaining state-estimation errors. We evaluate SwingRL against classical and learning-based baselines across a cumulative difficulty ladder covering system-parameter variation, wind disturbance, degraded sensing, and strong gusts. Under the most difficult setting, SwingRL achieves 69.5% strict and 77.3% broad success, exceeding all baselines by at least 60 percentage points, respectively. World-model ablations support the role of time-aligned state estimation in maintaining insertion success as observation loss increases. Finally, without real-robot fine-tuning, SwingRL achieves 90% success on the physical rig.
• Abstract（参考訳）: ケーブル吊り上げは、例えばクレーンアシスト工事のような堅固なピックアップ・アンド・プレース・システムでは便利に扱えない重いペイロードやかさばるペイロードを動かすために広く使われている。 フレキシブルケーブルを用いたロボットのホッキングは、ペイロードの動きが不活性化され、外乱が変化し、遅延や視覚的観察が遅れることによって、認識されたペイロード状態が制御実行時に停滞する可能性があるため、困難である。 これらの効果は、サスペンションのソケットをレバーピンに正確に挿入する際に特に重要であり、これは建設環境において非常に一般的な作業である。 SwingRLは、老化を意識した世界モデル、古典的アンチスウィング前モデル、そして古いフィードバックと不確実なダイナミクスという2つの複合問題に対処するための再帰的残留ポリシーを組み合わせた残留強化学習(RL)フレームワークである。 世界モデルは、実行されたコマンドを使用して、最新の受信ペイロード観測を現在の制御ステップに伝達し、遅延および損失検知の下での時間整合状態推定を提供する。 前回の供給は、名目上のトラッキングとスイングダンピングであった。 残留ポリシーは、完全な制御法則よりも先に有界補正を学習し、システムパラメータの変動、外乱、残状態推定誤差を補償する。 我々は,SwingRLを古典的,学習的ベースラインに対して,システムパラメータの変動,風の乱れ,劣化検知,強いガストを包含する累積的難易度はしご上で評価した。 もっとも難しい条件下では、SwingRLは69.5%の厳格さと77.3%の広範に成功し、ベースラインをそれぞれ60ポイント以上越えている。 World-model ablationは、観察損失が増加するにつれて挿入成功を維持するための時間整合状態推定の役割をサポートする。 最後に、実際のロボットの微調整なしで、SwingRLは物理リグで90%の成功を収める。

関連論文リスト

• AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
  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。
  論文  参考訳（メタデータ） (2026-09-21T03:29:45Z)
• ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
  ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。 定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。 これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
  論文  参考訳（メタデータ） (2026-06-29T14:27:27Z)
• Onboard MuJoCo-based Model Predictive Control for Shipboard Crane with Double-Pendulum Sway Suppression [7.645323708488569]
  海上での重荷の移動は、危険なペイロードのスウェイによって制限された効率的なクレーンの運用に依存している。 既存の制御方法はそのような設定で苦労し、しばしば単純化された分析モデルに依存している。 MuJoCo MPCフレームワークを中心とした,完全なリアルタイム制御パイプラインを示す。
  論文  参考訳（メタデータ） (2026-03-17T11:43:52Z)
• Astro: Activation-guided Structured Regularization for Outlier-Robust LLM Post-Training Quantization [56.5199302532159]
  本稿では, アクティベーション誘導型構造正規化フレームワークを提案する。 Astroは内在的に頑丈な重量を積極的に再構成し、高マグニチュードの活性化に対応する重量の降圧を積極的に抑制する。 Astroは競争力が高く、特にLLaMA-2-7Bでは、量子化時間の1/3近くを持つ複雑な学習ベースの回転法よりも優れた性能を達成している。
  論文  参考訳（メタデータ） (2026-02-07T15:50:18Z)
• Residual Reinforcement Learning for Waste-Container Lifting Using Large-Scale Cranes with Underactuated Tools [6.868155877660834]
  本稿では, 都市環境におけるごみ容器リサイクル作業のコンテナ昇降段階について検討する。 本研究は,名目制御器と学習された残留ポリシーを組み合わせた残留強化学習手法を提案する。
  論文  参考訳（メタデータ） (2026-02-05T17:14:06Z)
• RoVerFly: Robust and Versatile Implicit Hybrid Control of Quadrotor-Payload Systems [7.767180040566647]
  RoVerFlyは、四辺形軌道追跡のための学習ベースの制御フレームワークである。 明示的なモード検出やコントローラの切り替えなしに複雑なダイナミクスを管理する。 ペイロード設定間で強力なゼロショットの一般化を実現する。
  論文  参考訳（メタデータ） (2025-09-14T07:41:40Z)
• Game-Theoretic Robust Reinforcement Learning Handles Temporally-Coupled Perturbations [98.5802673062712]
  我々は時間的に結合した摂動を導入し、既存の頑健な強化学習手法に挑戦する。 本稿では、時間的に結合したロバストなRL問題を部分的に観測可能な2プレイヤーゼロサムゲームとして扱う新しいゲーム理論であるGRADを提案する。
  論文  参考訳（メタデータ） (2023-07-22T12:10:04Z)

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。