論文の概要: Barrier-Shaped Recurrent Reinforcement Learning for Autonomous Landing on a Heaving Ship Deck

• arxiv url: http://arxiv.org/abs/2610.03924v1
• Date: Fri, 02 Oct 2026 18:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:21:17.263866
• Title: Barrier-Shaped Recurrent Reinforcement Learning for Autonomous Landing on a Heaving Ship Deck
• Title（参考訳）: ホバリング船底の自律着陸のためのバリア形繰り返し補強学習
• Abstract要約: 本稿では、無人航空機(UAV)ロータークラフトをヒービング船甲板に自律着陸させる。 トレーニングは4096の並列シミュレーション環境で行われ、続いて16の環境で微調整が行われ、ループに視覚パイプラインが配置されている。 デッキ相対垂直状態における制御バリア機能(CBF)停止マージンを2段階に組み込む。
• 参考スコア（独自算出の注目度）: 1.2240528082243671
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses autonomous landing of unmanned aerial vehicle (UAV) rotorcrafts on a heaving ship deck using a recurrent policy trained via asymmetric actor-critic reinforcement learning: the critic sees 6 s of future deck height during training, while the actor sees only what the onboard sensors provide in flight, a 17-dimensional state made of the vehicle's position, velocity and attitude relative to the deck and outputs world-frame velocity and yaw-rate commands. Training is performed across 4096 parallel simulated environments, followed by fine-tuning in 16 environments with an onboard vision pipeline in the loop. A control-barrier-function (CBF) stopping margin on the deck-relative vertical state is incorporated at two stages: as a reward term during training, where it halves the median simulated contact speed relative to a policy trained without it, and as a runtime safety filter at deployment, evaluated at every control step to abort and retry the descent when the margin is violated. Because the autopilot's disarm logic cannot detect the vehicle resting on a moving deck, proximity-based thrust cutoff at touchdown is commanded directly in the landing pipeline. The proposed approach is validated using a parallel-manipulator-platform-based deck emulator that reproduces the heaving motion of the ship deck (scaled to 0.70 m peak-to-peak, 7.5 s mean period) and a quadcopter UAV with an onboard camera. Across 31 motion-capture and 20 vision-based trials, the UAV landed every time, with median times to contact of 6.5 and 7.3 s; 77% and 50% landed on the first attempt, with mean deck-relative speeds of 0.29 and 0.27 m/s, respectively, at the instant of thrust cutoff, which is the last speed under the policy's control. Supplementary video: https://youtu.be/S5hDkrSZJt4
• Abstract（参考訳）: 本論文は,非対称なアクター・クリティック・強化学習を通じて訓練されたリカレントポリシーを用いて,無人航空機(UAV)ロータークラフトの離着陸に対処するものである。一方,アクターは,飛行中に搭載されるセンサ,デッキに対する位置,速度,姿勢からなる17次元状態,及びワールドフレーム速度およびヨーレートコマンドを出力する。 トレーニングは4096の並列シミュレーション環境で実施され、続いて16の環境で微調整が行われ、ループに視覚パイプラインが配置されている。 デッキ相対垂直状態における制御バリア機能(CBF)停止マージンは、トレーニング中の報酬項として、トレーニング済みのポリシーに対する中央のシミュレートされた接触速度をハーフすると共に、各制御ステップで評価され、マージンが違反した場合の降下を中止し、再試行する。 オートパイロットの非武装論理は移動デッキで休んでいる車両を検出できないため、タッチダウン時の近接式スラスト遮断は着陸パイプライン内で直接指示される。 提案手法は、船体甲板のヒービング動作(ピーク時0.70m、平均時間7.5m)を再現するパラレルマニピュレータベースのデッキエミュレータと、搭載カメラ付きクワッドコプターUAVを用いて検証した。 31回のモーションキャプチャーと20回の視覚ベースの試験で、UAVは毎回6.5秒と7.3秒と接触し、平均デッキ相対速度は0.29m/sと0.27m/sであり、これは政策の最後の速度である。 補足ビデオ:https://youtu.be/S5hDkrSZJt4

関連論文リスト

• Towards Agile Vision-Based Multi-UAV Flight: Revisiting State Estimation [4.109778149547297]
  アジャイルのマルチUAV飛行には、衝突回避や動き調整などのために、近隣のUAVの運動状態を正確にかつ低レイテンシで推定する必要がある。 ほとんどの視覚に基づくアプローチは位置のみの測定に依存し、速度と加速度を変位から間接的に推定する。 これにより,高次状態の推定に一定の構造的遅延が生じ,達成可能なアジリティが制限されることがわかった。 そこで本稿では,コプラナー型マルチロータUAVの推力方向を知らせる最先端の視覚検出器によって提供される傾斜測定を統合することを提案する。
  論文  参考訳（メタデータ） (2026-09-30T12:29:52Z)
• Predict Before You Step: Auditable Occupancy Forecasting for Dynamic Obstacle Avoidance under Sparse Guidance [18.93557165573682]
  スパースウェイポイント誘導下の脚ロボットは、部分的かつ急速に変化するLiDAR観測を用いて障害物の移動を避ける必要がある。 本稿では,50Hzのフリーズコントローラにスパースウェイポイント誘導を接続するローカル回避ポリシーである LOOP を提案する。 LOOPは2.5-3.2m/sの障害物速度で57.1%成功し、リトレーニングされた反応性ベースラインを8.2ポイント上回る。
  論文  参考訳（メタデータ） (2026-09-22T10:25:51Z)
• 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)
• RTK-Vision PPO for Autonomous Micro UAV Recovery on an Airborne Carrier [0.0]
  本稿では,子どものUAVを大型キャリアによって物理的に輸送するRTKビジョン誘導型強化学習フレームワークを提案する。 両車両ともRTK-GNSSを搭載しており、移動状態は子供と継続的に共有されている。 この結果は、単独の着陸操作ではなく、完全な自律的な空中展開と回収のサイクルを実証している。
  論文  参考訳（メタデータ） (2026-09-17T16:16:37Z)
• Integrated Guidance and Control of a Mother-Child UAV-UGV System for Cooperative Missions [0.0]
  本稿では,異質なローバー・マザーシップ・チャイルドシステムにおいて,ローバーの監督,マザーシップ・トランジット,子育てとソート,自律リターン,航空回収,降下を行うためのフィールド検証型自律フレームワークを提案する。 回収スタックは、ジャークバウンドの参照生成、外乱オブザーバの拡張された平面追跡、実現可能性を考慮した垂直制御、相対垂直幾何学のための離散時間バリアベースの安全フィルタ、通信対応キャリア状態予測を組み合わせた。 その結果, 試験室内における自律的自律回収が可能となった。
  論文  参考訳（メタデータ） (2026-09-17T15:10:25Z)
• FlowPilot: Real-Time World-Action Modeling for Agile UAV Navigation [18.092834753587454]
  FlowPilotは、UAVナビゲーションを深度からリアルタイムに行うための、コンパクトなワールドアクションモデルである。 デュアルストリーム・オブ・トランスフォーマーは、ビデオとアクションの専門家を共通の注意で結合し、将来的な予測と軌跡生成を相互に通知する。
  論文  参考訳（メタデータ） (2026-08-01T12:43:31Z)
• Robostral Navigate [138.74472687550374]
  Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。 モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。 我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
  論文  参考訳（メタデータ） (2026-07-22T23:13:05Z)
• Aero-World: Action-Conditioned Aerial Video Generation from Inertial Controls [57.166020875486474]
  我々は,事前学習した画像から映像への拡散モデルを制御可能な空中ビデオ生成装置に変換する方法であるtextbfAero-World を提案する。 実ビデオ-IMUペアで独立して訓練された冷凍潜伏空間物理学プローブは、LoRA微調整中に慣性・一貫性の異なる監視を提供する。 AeroBenchでは、アクションのみの微調整で平均AASを57.7から63.6に改善し、AirScapeよりも優れた品質制御トレードオフを提供する。
  論文  参考訳（メタデータ） (2026-05-19T12:02:17Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• 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)

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。