論文の概要: APG-Planner: Learning Vision-Based High-Speed Trajectory Planning via Analytic Policy Gradient
- arxiv url: http://arxiv.org/abs/2611.15296v1
- Date: Wed, 11 Nov 2026 10:28:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.101667
- Title: APG-Planner: Learning Vision-Based High-Speed Trajectory Planning via Analytic Policy Gradient
- Title(参考訳): APG-Planner:分析ポリシー勾配による視覚に基づく高速軌道計画の学習
- Abstract要約: 視覚に基づく高速ナビゲーションには、搭載された視覚観測からスムーズで無衝突な軌道を生成できる軌道プランナーが必要である。
分析政策勾配法(APG)を用いて軌道計画政策を学習するための枠組みを提案する。
APG-Plannerは、シミュレーションにおいて既存のベースライン手法と同等または優れた性能を示し、実世界の飛行実験で最大11m/sの速度を達成する。
- 参考スコア(独自算出の注目度): 10.202710031454568
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-based high-speed navigation requires a trajectory planner that can reactively generate smooth, collision-free trajectories from onboard visual observations. Deep reinforcement learning offers a promising approach to vision-based trajectory planning, as it enables the optimization of sequential decision-making policies in complex environments. However, model-free policy gradient methods rely on sample-based policy gradient estimation, which yields noisy gradient estimates and inefficient training. To this end, we propose a framework for learning trajectory planning policies using the analytic policy gradient (APG) method and use it to train APG-Planner, a vision-based high-speed trajectory planner. The proposed framework leverages differential flatness to analytically reconstruct vehicle states from planned trajectories, thereby enabling differentiable trajectory-level state transitions without requiring an explicit low-level dynamics model. By iteratively performing trajectory planning and differentiable state transitions, we construct a differentiable episode rollout and analytically compute policy gradients from episode-level losses, improving both training efficiency and policy performance. After approximately 30 minutes of training on a single GPU, APG-Planner demonstrates comparable or superior performance to existing baseline methods in simulation and achieves speeds of up to 11\,m/s in real-world flight experiments. We further validate the proposed framework on a skid-steer ground robot, demonstrating its applicability to differentially flat robotic systems beyond quadrotors.
- Abstract(参考訳): 視覚に基づく高速ナビゲーションには、軌道プランナーが必要で、車載の視覚観測からスムーズで無衝突な軌道を反応的に生成することができる。
深層強化学習は、複雑な環境におけるシーケンシャルな意思決定ポリシーの最適化を可能にするため、視覚に基づく軌道計画への有望なアプローチを提供する。
しかし、モデルフリーな政策勾配法はサンプルベースの政策勾配推定に依存しており、ノイズのある勾配推定と非効率な訓練をもたらす。
そこで本研究では,分析ポリシ勾配(APG)法を用いてトラジェクトリ計画ポリシーを学習し,それを視覚に基づく高速なトラジェクトリプランナーであるAPG-Plannerの訓練に用いるフレームワークを提案する。
提案手法は微分平坦性を利用して、計画された軌道から車両状態を解析的に再構成することにより、明示的な低レベル力学モデルを必要とすることなく、異なる軌道レベルの状態遷移を可能にする。
軌道計画と相違可能な状態遷移を反復的に行うことにより、異なるエピソードのロールアウトを構築し、エピソードレベルの損失から分析的にポリシー勾配を計算し、トレーニング効率とポリシー性能を両立させる。
1つのGPUで約30分トレーニングした後、APG-Plannerはシミュレーションで既存のベースラインメソッドと同等または優れたパフォーマンスを示し、現実世界の飛行実験で最大11\,m/sの速度を達成する。
さらに,スキーステアグラウンドロボットの枠組みを検証し,四角形以外の微分平らなロボットシステムへの適用性を実証した。
関連論文リスト
- From Field to Planning: Learning Temporal Polar Gradient Fields for Vision-based AAV Trajectory Planning in Dynamic Environments [7.67775311595731]
本研究では2段階のF2P学習フレームワークを提案し、動的環境における軌道計画のための高精度で効率的な安全勾配を提供する。
第1段階では,車載カメラフラストラムの形状と自然に一致するエゴ中心の極性職業表現を導入する。
第2段階では,TPGFを用いて,自己指導型学習方式で軌道計画方針を導出する。
論文 参考訳(メタデータ) (2026-10-10T02:26:41Z) - Optimization-based Safe Trajectory Planning for Autonomous Ground Vehicle in Multi-Floor Scenarios [29.58874259803892]
本稿では,マルチフロアシナリオに適した軌道計画フレームワークを提案する。
フレームワークは、タスク計画モジュールと軌道計画モジュールの2つの主要なモジュールで構成されている。
提案手法の有効性と妥当性をシミュレーションにより検証した。
論文 参考訳(メタデータ) (2026-06-23T14:26:22Z) - MMH-Planner: Multi-Mode Hybrid Trajectory Planning Method for UAV Efficient Flight Based on Real-Time Spatial Awareness [5.419189180406189]
本稿では, リアルタイム環境認識に基づくUAVの多モードハイブリッド軌道計画手法を提案する。
今後の環境における飛行安全性を迅速に評価する目標指向型空間認識手法を提案する。
次に,多モードハイブリッド軌道計画機構を提案し,計画効率を向上させる。
論文 参考訳(メタデータ) (2026-03-03T07:23:19Z) - Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。
テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
論文 参考訳(メタデータ) (2025-12-10T18:59:45Z) - Drive As You Like: Strategy-Level Motion Planning Based on A Multi-Head Diffusion Model [7.3078271605135114]
拡散型多頭部軌道プランナ(M拡散プランナ)を提案する。
初期の訓練段階では、すべての出力ヘッドは、高品質な軌道を生成するためにウェイトを共有する。
戦略選択のガイドとして,大規模言語モデル(LLM)を導入し,動的かつ命令対応の計画を可能にする。
論文 参考訳(メタデータ) (2025-08-23T08:33:11Z) - Relative Entropy Pathwise Policy Optimization [66.03329137921949]
そこで本稿では,Q値モデルをオンライントラジェクトリから純粋に訓練するオンラインアルゴリズムを提案する。
安定トレーニングのための制約付き更新と探索のためのポリシを組み合わせる方法を示し、価値関数学習を安定化させる重要なアーキテクチャコンポーネントを評価する。
論文 参考訳(メタデータ) (2025-07-15T06:24:07Z) - Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。
Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
論文 参考訳(メタデータ) (2025-05-23T09:22:19Z) - Integration of Reinforcement Learning Based Behavior Planning With
Sampling Based Motion Planning for Automated Driving [0.5801044612920815]
本研究では,高度行動計画のための訓練された深層強化学習ポリシーを用いる方法を提案する。
私たちの知る限りでは、この研究は、この方法で深層強化学習を適用した最初のものである。
論文 参考訳(メタデータ) (2023-04-17T13:49:55Z) - Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial
Vehicles (MAVs) [61.94975011711275]
そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。
提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。
提案手法を様々なシミュレーション環境で検証した。
論文 参考訳(メタデータ) (2020-08-29T09:55:49Z)
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。