論文の概要: Simulation Priors for Rapid Adaptation in Model-Based RL for Autonomous Racing

• arxiv url: http://arxiv.org/abs/2610.26757v1
• Date: Mon, 19 Oct 2026 17:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:34:47.048401
• Title: Simulation Priors for Rapid Adaptation in Model-Based RL for Autonomous Racing
• Title（参考訳）: 自律レースにおけるモデルベースRLの高速適応のシミュレーション
• Abstract要約: 本稿では,オフラインからオンラインへのモデルベース RL フレームワークである Preor-Informed Adaptation (PIA) について紹介する。 PIAは異種低密度・高忠実な擬似軌道上で世界モデルを事前訓練し、ターゲットドメイン間の相互作用に限定して適応する。 高忠実度シミュレーションと実物大の完全自動レースカーを用いた自律レースにおけるPIAの評価を行った。
• 参考スコア（独自算出の注目度）: 10.48311992094966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning enables learning high-performance control policies, but its reliance on extensive interaction limits deployment on physical systems where data collection is costly, and failures are unsafe. We introduce Prior-Informed Adaptation (PIA), an offline-to-online model-based RL framework that uses structured simulation priors for rapid adaptation. PIA pretrains a world model on heterogeneous low- and high-fidelity simulated trajectories, then adapts it with limited target-domain interaction using uncertainty-regularized planning. Rather than requiring an accurate simulator for policy transfer, PIA treats simulated trajectories as biased priors whose residual mismatch is corrected during online adaptation. We evaluate PIA in autonomous racing using high-fidelity simulation and on a real full-size autonomous race car. In simulation, PIA adapts faster across track and surface shifts than strong baselines, achieving lower lap times and fewer failures. On hardware, PIA achieves reliable few-shot adaptation with less than one hour of on-vehicle interaction.
• Abstract（参考訳）: 強化学習は、高性能な制御ポリシーを学習することを可能にするが、広範囲なインタラクションに依存しているため、データ収集にコストがかかり、障害は安全ではない物理システムへのデプロイメントが制限される。 本稿では,オフラインからオンラインへのモデルベース RL フレームワークである Preor-Informed Adaptation (PIA) について紹介する。 PIAは、不均一な低密度および高忠実なシミュレートされた軌道上の世界モデルを事前訓練し、不確実な規則化された計画を用いて限定的なターゲットドメイン相互作用で適応する。 PIAは、政策伝達の正確なシミュレータを必要とするのではなく、シミュレーションされた軌跡を、オンライン適応中に残留ミスマッチが修正されたバイアス付き先行として扱う。 高忠実度シミュレーションと実物大の完全自動レースカーを用いた自律レースにおけるPIAの評価を行った。 シミュレーションでは、PIAは強いベースラインよりも軌道と表面のシフトを高速に調整し、ラップタイムの短縮と失敗の低減を実現している。 ハードウェア上では、PIAは車載相互作用の1時間未満で、信頼性の高い少数ショット適応を実現する。

関連論文リスト

• CLASH: Collision Learning via Augmented Sim-to-real Hybridization to Bridge the Reality Gap [9.148510140521706]
  本稿では,パラメータ条件付インパルス衝突サロゲートモデルを学習するデータ効率フレームワークであるAugmented Sim-to-real Hybridization (CLASH)による衝突学習を紹介する。 我々は,ハイブリッドシミュレータを用いて得られたポリシーが実世界へより堅牢に伝達できることを実証した。
  論文  参考訳（メタデータ） (2026-02-21T03:39:33Z)
• Learning Agile Quadrotor Flight in the Real World [24.272916786375365]
  学習ベースのコントローラは、アジャイルの4倍体飛行で素晴らしいパフォーマンスを達成したが、一般的にはシミュレーションの大規模なトレーニングに依存している。 システム識別やオフラインのSim2Real転送を必要としない自己適応型フレームワークを提案する。 本稿では、適応時間スケーリング(ATS)を導入し、プラットフォーム物理限界を積極的に探求し、オンライン残差学習を用いて単純な名目モデルを強化する。
  論文  参考訳（メタデータ） (2026-02-10T18:59:28Z)
• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• Physics Enhanced Residual Policy Learning (PERPL) for safety cruising in mixed traffic platooning under actuator and communication delay [8.172286651098027]
  線形制御モデルは、その単純さ、使いやすさ、安定性解析のサポートにより、車両制御に広範囲に応用されている。 一方、強化学習(RL)モデルは適応性を提供するが、解釈可能性や一般化能力の欠如に悩まされる。 本稿では,物理インフォームドポリシによって強化されたRL制御系の開発を目標とする。
  論文  参考訳（メタデータ） (2024-09-23T23:02:34Z)
• Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
  AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。 コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。 本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
  論文  参考訳（メタデータ） (2024-06-22T11:17:50Z)
• Sim-to-Real Transfer of Adaptive Control Parameters for AUV Stabilization under Current Disturbance [1.099532646524593]
  本稿では,最大エントロピー深層強化学習フレームワークを古典的なモデルベース制御アーキテクチャと組み合わせ,適応制御系を定式化する新しい手法を提案する。 本フレームワークでは,バイオインスパイアされた体験再生機構,拡張されたドメインランダム化手法,物理プラットフォーム上で実行される評価プロトコルなどを含むSim-to-Real転送戦略を導入する。 実験により,AUVの準最適モデルから有能なポリシを効果的に学習し,実車への移動時の制御性能を3倍に向上することを示した。
  論文  参考訳（メタデータ） (2023-10-17T08:46:56Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Edge Federated Learning Via Unit-Modulus Over-The-Air Computation (Extended Version) [64.76619508293966]
  本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。 ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。 車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
  論文  参考訳（メタデータ） (2021-01-28T15:10:22Z)

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。