論文の概要: Curriculum-Based Deep Reinforcement Learning for Robust Autonomous Rocket Landing under Atmospheric Uncertainty

• arxiv url: http://arxiv.org/abs/2610.38636v1
• Date: Wed, 28 Oct 2026 10:51:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.993651
• Title: Curriculum-Based Deep Reinforcement Learning for Robust Autonomous Rocket Landing under Atmospheric Uncertainty
• Title（参考訳）: 大気不確かさ下でのロバストな自律ロケット着陸のためのカリキュラムベース深部強化学習
• Abstract要約: 本稿では,3次元ロケット着陸のためのカリキュラム駆動型政策最適化フレームワークを提案する。 学習は遠距離アプローチ、軟降下、統合着陸段階に編成される。 10万回評価され、96,656回の着陸に成功した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous far-range rocket landing is a challenging control problem because navigation, descent-rate regulation, attitude management, and fuel use must be coordinated in the presence of uncertain atmospheric and vehicle dynamics. This paper presents a curriculum-driven proximal policy optimization (PPO) framework for three-dimensional rocket landing in a stochastic environment incorporating altitude-dependent aerodynamic drag, wind shear, temporally correlated turbulence, discrete gusts, uncertain propulsion and aerodynamic parameters, thrust-vector misalignment, engine lag, actuator-gain variation, noisy observations, and command latency. Learning is organised into far-range approach, soft descent, and integrated landing stages. Policy transfer, critic warm-up after reward changes, rehearsal of earlier tasks, and progressive expansion of weather severity are used to support learning across these coupled phases. Across 100,000 evaluation episodes, the policy achieves 96,656 successful landings, corresponding to a success rate of 96.656\% and a 95\% Wilson confidence interval of 96.543--96.766\%. Success decreases from 98.84\% under zero-disturbance conditions to 88.07\% in the highest weather-severity band. Successful touchdowns exhibit small miss distances and low residual horizontal and vertical velocities. An exploratory logistic-regression analysis identifies mean wind speed as the strongest measured correlate of success, with initial distance, initial altitude, initial vertical velocity, and wind-shear exponent also associated with outcomes. The results quantify both the effectiveness of the learned policy over the evaluated disturbance distribution and the degradation that occurs under severe compound atmospheric conditions.
• Abstract（参考訳）: 自律型遠距離ロケットの着陸は、航法、降下速度規制、姿勢管理、燃料使用が不確実な大気や車両の力学の存在下で調整されなければならないため、困難な制御問題である。 本稿では,高度依存型空力抵抗,風せん断,時間的相関乱流,離散ガスト,不確実な推進および空力パラメータ,推力ベクトルの不整合,エンジンラグ,アクチュエータ-ゲイン変動,ノイズ観測,指令遅延を組み込んだ確率環境下での3次元ロケットランディングのためのPPOフレームワークを提案する。 学習は遠距離アプローチ、軟降下、統合着陸段階に編成される。 政策転換、報酬変更後の批判的ウォームアップ、以前の作業のリハーサル、および気象の進行的な拡張は、これらの結合したフェーズにおける学習を支援するために使用される。 10万回にわたって、この政策は96,656回成功し、成功率は96.656\%、ウィルソンの信頼区間は96.543--96.766\%である。 成功率はゼロ摂動条件で98.84\%から88.07\%に減少する。 タッチダウンの成功により、小さなミス距離と低い残留水平速度と垂直速度が示される。 探査ロジスティック回帰分析により、平均風速は成功率の最も強い相関関係であり、初期距離、初期高度、初期垂直速度、風速指数も結果に関連付けられている。 その結果, 厳密な複合大気条件下で発生する外乱分布と劣化に対する学習方針の有効性を定量的に評価した。

関連論文リスト

• Curriculum-Driven Deep Reinforcement Learning for Autonomous Far-Range Rocket Landing [0.0]
  本稿では,遠距離航法と高精度着陸の両方を習得するための総合的なカリキュラム駆動型深部強化学習フレームワークを提案する。 計算処理の不要なオーバーヘッドを低減し、以前の定式化の限界に対処する再設計された報酬関数を導入する。 利用可能な10万回の結果は、提案された政策の99.98%の成功率、評価条件下でのベースラインの68.31%を報告している。
  論文  参考訳（メタデータ） (2026-10-24T19:57:44Z)
• Uncertainty-Driven Self-Play for Robust Multi-Agent Driving Policies [52.52071620695231]
  本研究では,近隣住民の不確実性を高めるために,エージェントの半数が報酬を受ける不確実性駆動型セルフプレイ方式を提案する。 疫学的不確実性は、政策の信頼性が低く、シナリオ難易度の自動プロキシとして機能することを示す。 我々の多様性駆動型アプローチは、ベースラインよりもLSTM隠蔽状態のカバレッジが高く、よりリッチな振る舞いを示す。
  論文  参考訳（メタデータ） (2026-10-14T07:40:27Z)
• 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)
• Disturbance-Aware Flight for Aerial Robots in Narrow Space [18.124392684552998]
  本稿では,狭い空間における四極子飛行の計画制御ループにオンライン外乱推定を統合する,外乱認識型計画制御フレームワークを提案する。 実験では、対角線長0.39mの四角形が直線、傾斜、湾曲したトンネルを0.6mまで横切ることができ、成功率と飛行効率の両方で人間のパイロットより優れていた。
  論文  参考訳（メタデータ） (2026-07-20T01:58:05Z)
• GroundControl: Anticipating Navigation Failures in Vision-Language Agents via Trajectory-Consistent Uncertainty Estimates [3.7267095596919053]
  視覚言語ナビゲーションエージェントは、ベンチマークタスクで平均的な競合的な成功を達成するが、予測可能な軌道レベルのブレークダウンによって失敗が発生することが多い。 信頼性の高いデプロイメントには、即時的なアクションエントロピーのみを反映するのではなく、実行中に発生する障害のダイナミクスを予測する不確実性信号が必要である。 本稿では,各エピソードに集約された目標方向距離-ゴール間距離の統計的偏差として定義される軌道整合不確実性推定器であるemphGroundControlを紹介する。
  論文  参考訳（メタデータ） (2026-06-18T16:56:20Z)
• Handling Weather Uncertainty in Air Traffic Prediction through an Inverse Approach [0.0]
  逆気象条件、特に対流現象は航空交通管理に重大な課題をもたらす。 本研究では,3次元ガウス混合モデルを用いて,長距離飛行軌道変化の予測を行う。 このモデルは、最大60分間のリルート予測において、堅牢なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-04-07T15:42:09Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)

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。