論文の概要: REFLEX: A Learned On-Board Reflex for Robust Autonomous Collision Recovery of Soft Quadrotors

• arxiv url: http://arxiv.org/abs/2610.15867v1
• Date: Sun, 11 Oct 2026 19:39:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 15:34:10.788395
• Title: REFLEX: A Learned On-Board Reflex for Robust Autonomous Collision Recovery of Soft Quadrotors
• Title（参考訳）: REFLEX:ソフトクアドロレータのロバストな自律衝突回収のための学習オンボード反射
• Abstract要約: 衝突耐性の機体は衝撃に耐えられるが、衝突後の自律的な回復は保証されない。 我々は、飛行制御装置で完全に動作する衝突回収飛行モードであるREFLEXを提示する。 ハードウェア実験では、REFLEXは5.03 pm$ 0.09 m/sで22件の衝突のうち19件を回収した。
• 参考スコア（独自算出の注目度）: 11.055062401988176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collision-resilient airframes allow quadrotors to survive impacts, but do not ensure autonomous post-collision recovery. Innovation gating in stock onboard estimators often rejects valid external velocity measurements after high-speed impacts, compromising recovery. We present REFLEX, a collision-recovery flight mode that runs entirely on the flight controller, requiring neither contact sensors nor a companion computer. Its proprioceptive recurrent policy stabilizes the vehicle without position, velocity, heading, or altitude estimates. The translational estimate is reinitialized while REFLEX is active, and a trust gate checks estimator consistency before returning control to the stock autopilot. The policy is trained in simulation using proximal policy optimization, with episodes initialized from post-impact states measured in 47 real collisions. In hardware experiments, REFLEX recovered 19 of 22 wall impacts at 5.03 $\pm$ 0.09 m/s, compared with 1 of 14 for the matched stock autopilot. These included 15 consecutive recoveries in a single flight. A separate exploratory flight demonstrated two additional recoveries at 6.02 and 6.05 m/s within the same flight, exceeding the previously reported velocity for autonomous wall-collision recovery by 64%.
• Abstract（参考訳）: 衝突耐性の機体は衝撃に耐えられるが、衝突後の自律的な回復は保証されない。 ストック搭載型推定器のイノベーションゲーティングは、高速衝突後の有効な外部速度測定を拒否し、回復を阻害する。 本稿では,フライトコントローラ上で完全に動作する衝突回収飛行モードであるREFLEXについて述べる。 その先延ばし的なリカレントポリシーは、位置、速度、方向、高度の見積なしに車両を安定させる。 信頼ゲートは、REFLEXがアクティブである間に翻訳推定を再開し、ストックオートパイロットに制御を返す前に、推定器の一貫性をチェックする。 このポリシーは、47回の実際の衝突で測定されたインパクト後の状態から初期化されるエピソードを、近似ポリシー最適化を用いてシミュレーションで訓練する。 ハードウェア実験では、REFLEXは5.03$\pm$ 0.09 m/sで22の衝突のうち19を回収した。 これには1回の飛行で15回連続回収された。 別途の探査飛行では、同じ飛行で6.02m/sと6.05m/sの2回の回収が確認された。

関連論文リスト

• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• WAND: Learning Robust Navigation under Complex Wind Disturbances and Dense Obstacles for Quadrotors [53.304053813409666]
  本稿では、高密度障害物場における時変風乱下でのナビゲーションのための強化学習フレームワーク、WAND(Wind-Aware Navigation with disturbance Estimation)を紹介する。 風に乱れた12のシミュレーション設定において、WADは平均的なフィードフォワード補償に対する成功率を8.3ポイント改善した。 室内でのファンによる飛行試験では、WADは20の試験のうち18の試験に成功し、リアルタイムのオンボードナビゲーションの実現可能性を示した。
  論文  参考訳（メタデータ） (2026-10-08T12:17:45Z)
• Barrier-Shaped Recurrent Reinforcement Learning for Autonomous Landing on a Heaving Ship Deck [1.2240528082243671]
  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。
  論文  参考訳（メタデータ） (2026-10-02T18:36:57Z)
• Efficient Bezier Velocity Optimization for Free-Floating Space Manipulators [15.834928755345757]
  FAVORは、無人の宇宙船で衝突のない到達、追跡、所定の時間前のインターセプションのためのプランナーである。 ポイント・ツー・ポイントで99.8%成功し、1.779 sの平均計算は62.9%、50.270 sはIK-dの位置スプラインベースラインである。
  論文  参考訳（メタデータ） (2026-09-25T18:17:44Z)
• 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)
• Counterfactual Closing-Acceleration Risk: An Anticipatory Surrogate Safety Measure for the Blind Region of Car-Following [0.0]
  本稿では,後端紛争に対するフォロワーの露出度を測る予測的サロゲート尺度であるCCARについて紹介する。 CCAR は SQM-W-1 軌道データセットから 745,540 個の自動車追尾フレームで評価される。
  論文  参考訳（メタデータ） (2026-07-01T06:47:05Z)
• HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight [46.42648821424623]
  トンボの翼のノダス構造にインスパイアされた腕を持つ四重奏曲HoLoArmについて述べる。 結果は、HoLoArmが軸方向を含む任意の方向に受動的に変形し、衝撃の方向とレベルに応じて0.3～0.6秒以内で回復可能であることを示した。 ドローンは最大7.6m/sの速度で衝突に耐え、安定した飛行を維持しながら540gのペイロードを運ぶことができる。
  論文  参考訳（メタデータ） (2026-05-25T12:37:18Z)
• Impact-Aware Model Predictive Control for UAV Landing on a Heaving Platform [0.0]
  相対的な垂直運動は大きな衝撃力を発生させ、海洋プラットフォームへのタッチダウンにリバウンドを引き起こす。 我々は、ニュートンの再生法則によって規制される速度レベルの剛体衝撃として着陸をモデル化する、影響を意識したモデル予測制御フレームワークを開発する。 シミュレーションでは、再配置を意識した予測は、衝突前の相対速度を減少させ、着陸時のロバスト性を改善する。
  論文  参考訳（メタデータ） (2026-04-22T20:41:58Z)
• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)

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。