論文の概要: Autonomous fixed-wing interception using reinforcement learning

• arxiv url: http://arxiv.org/abs/2610.37470v2
• Date: Sun, 01 Nov 2026 13:38:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 02:41:44.995328
• Title: Autonomous fixed-wing interception using reinforcement learning
• Title（参考訳）: 強化学習を用いた自動固定翼インターセプション
• Abstract要約: ニューラルネットワークによって制御される固定翼インターセプターは、フィルタされた単眼視観察をアクチュエータコマンドに直接マッピングする。 この方針は、シミュレーションと実際の飛行の両方でターゲットを迎撃することができる。 このシステムは、固定翼インターセプタードローンの自律制御のための人工知能の可能性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medium altitude, long endurance unmanned aerial systems such as Shahed-type strike drones are an unanswered threat in modern conflicts. Conventional air defense systems are too expensive to provide a feasible large-scale solution. Quadcopter interceptors are a cheap, battle-proven alternative, but their extremely limited flight time restricts them to low altitude targets at short range, whereas fixed-wing platforms have the endurance to reach higher altitude targets from longer distances. However, such interceptors are still operated manually. Recent developments in learning-based controllers show potential for automation. In this work, a fixed-wing interceptor is presented that is controlled by a neural network that maps filtered monocular vision observations directly to actuator commands. The policy was trained in a custom Python environment using reinforcement learning and proximal policy optimization. The policy was then deployed on a fixed-wing platform and tested in real interception scenarios. As a baseline, two classical guidance controllers were also developed and tested in simulation. The policy is able to intercept targets both in simulation and in real flight. In simulation, the policy outperforms the classical controllers under most conditions. The interceptor was ultimately successfully validated in real flight by intercepting maneuvering fixed-wing targets. This novel system shows the potential of artificial intelligence for autonomous control of fixed-wing interceptor drones.
• Abstract（参考訳）: 中高度、長期間の無人飛行システム、例えばシャヘド型ストライク・ドローンは、現代の紛争において未解決の脅威である。 従来の防空システムは高すぎるため、実現可能な大規模ソリューションが提供できない。 クアッドコプター・インターセプターは安価で、戦闘によって実現された代替手段であるが、飛行時間が極めて限られており、短い距離で低高度の目標に制限される一方、固定翼のプラットフォームはより長い距離から高高度の目標に達するのに耐久力がある。 しかし、これらのインターセプターは依然として手動で操作されている。 学習ベースコントローラの最近の進歩は、自動化の可能性を示している。 この研究では、ニューラルネットワークによって制御される固定翼インターセプターが提示され、フィルタされた単眼視観察をアクチュエータコマンドに直接マッピングする。 ポリシーは強化学習と近似ポリシー最適化を使用して、カスタムPython環境でトレーニングされた。 その後、ポリシーは固定翼プラットフォームにデプロイされ、実際のインターセプションシナリオでテストされた。 ベースラインとして、2つの古典的なガイダンスコントローラも開発され、シミュレーションでテストされた。 この方針は、シミュレーションと実際の飛行の両方でターゲットを迎撃することができる。 シミュレーションでは、ポリシーは多くの条件下で古典的なコントローラよりも優れている。 インターセプターは最終的に固定翼の目標を迎撃することで実機での検証に成功した。 このシステムは、固定翼インターセプタードローンの自律制御のための人工知能の可能性を示している。

関連論文リスト

• AgilePE: Autonomous UAV Pursuit-Evasion via Self-Play Reinforcement Learning [31.828745787124316]
  本稿では,自律型UAV追尾回避システムであるAgilePEを提案する。 AgilePEはアジャイルの低レベルのコントロール、競合ポリシの最適化、統合されたフレームワークでのsim-to-realデプロイメントを統合しています。 トレーニングでは,プライオリティライズ・フィクション・セルフプレイ(PFSP)と多様な対戦プールを併用し,エージェントが歴史的方針に反する改善を可能にする。 実世界の実験では、急速ドッジや側面撮影を含むシミュレーションで観測された追跡回避戦術を再現し、インタラクティブな2エージェントゼロショット展開を実証している。
  論文  参考訳（メタデータ） (2026-08-14T09:41:16Z)
• Agile Interception of a Flying Target using Competitive Reinforcement Learning [2.982218441172364]
  この記事では、捕獲網を積んだ別のアジャイルドローンによって、アジャイルドローンを迎撃するソリューションを提示します。 我々は、このインターセプションを競合強化学習問題として定式化し、インターセプターとターゲットドローンを個別のポリシーで制御する。 JAXで実装された現実的な四重項力学モデルと低レベル制御アーキテクチャを統合した高忠実度シミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2026-03-17T09:11:23Z)
• SkySim: A ROS2-based Simulation Environment for Natural Language Control of Drone Swarms using Large Language Models [0.0]
  無人航空機(UAV)は、物流、農業、監視に多用途の用途を提供する。 従来の静的メソッドは適応性を制限するが、Large Language Models (LLMs) は自然言語を制御できるが、安全でないトラジェクトリを生成する。 本稿では,低レベル安全対策からLLM高レベル計画を分離する,ガゼボのROS2ベースのシミュレーションフレームワークであるSkySimを紹介する。
  論文  参考訳（メタデータ） (2026-02-01T13:34:34Z)
• Reinforcement Learning for Decision-Level Interception Prioritization in Drone Swarm Defense [51.736723807086385]
  本稿では,この課題に対処する上で,強化学習の実践的メリットを示すケーススタディを提案する。 本研究では,現実的な運用制約を捉えた高忠実度シミュレーション環境を提案する。 エージェントは最適なインターセプション優先順位付けのために複数のエフェクターを調整することを学ぶ。 我々は、何百ものシミュレートされた攻撃シナリオにおいて、手作りルールベースのベースラインに対する学習ポリシーを評価する。
  論文  参考訳（メタデータ） (2025-08-01T13:55:39Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• TempFuser: Learning Agile, Tactical, and Acrobatic Flight Maneuvers Using a Long Short-Term Temporal Fusion Transformer [2.163881720692685]
  TempFuserは、新しい長期の短期融合トランスアーキテクチャである。 複雑なドッグファイト問題において、アジャイル、戦術、およびアクロバティックな飛行操作を学ぶことができる。 我々のモデルは、優れた仕様で敵に面した場合でも、人間のようなアクロバティックな操作を示す。
  論文  参考訳（メタデータ） (2023-08-07T02:28:31Z)
• Towards a Fully Autonomous UAV Controller for Moving Platform Detection and Landing [2.7909470193274593]
  移動プラットフォームに着陸するための無人無人無人無人着陸システムを提案する。 提案システムはカメラセンサのみに依存し,可能な限り軽量に設計されている。 このシステムは目標の中心から平均15cmずれて40回の着陸試験を行った。
  論文  参考訳（メタデータ） (2022-09-30T09:16:04Z)
• Learning a Single Near-hover Position Controller for Vastly Different Quadcopters [56.37274861303324]
  本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。 これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。 また、実行中に未知の障害に迅速に適応する。
  論文  参考訳（メタデータ） (2022-09-19T17:55:05Z)

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。