UAVナビゲーション2026/8/14arXiv:2608.14082

PILOT: 部分観測下での自律UAVのエンドツーエンド動作計画のための特権模倣学習

PILOT: Privileged Imitation Learning for End-to-End Motion Planning of Autonomous UAVs under Partial Observability

部分観測下でのUAVナビゲーションを改善するため、最適制御の専門家から学習し、安全性と動的制約を考慮したエンドツーエンドの動作計画フレームワークを提案した。

詳しい要約

1. どんなもの？

PILOTは、部分観測下での視覚ベースのエンドツーエンドUAV運動計画のための制約認識型特権模倣学習フレームワークである。計算集約的な最適制御エキスパートから、二重目的損失関数により安全性と動的制約に正則化された学生ポリシーへ計画戦略を蒸留する。部分観測を緩和するため、TCNを用いた時空間知覚融合モジュールが過去の深度画像とオドメトリを統合し、瞬時FOVを超えた空間認識を向上させる。軌道パラメータ化層がネットワーク出力を構造化軌道にマッピングし、連続性、動的一貫性、障害物ソフトペナルティを訓練中に明示的に強制する。

2. 先行研究と比べてどこがすごい？

先行研究のエンドツーエンドプランナーは部分観測や動的制約を十分に扱えず、計算コストが高い。PILOTは特権模倣学習を用いて最適制御エキスパートの性能を蒸留しつつ、二重目的損失で安全性と動的制約を正則化する点が新しい。また、TCNによる時空間融合で永続的なマップメモリなしに部分観測を緩和し、軌道パラメータ化層で制約充足を訓練中に促進する。計算オーバーヘッドを80%以上削減しながらエキスパートと同等の性能を達成する点が優れている。

3. 技術・手法の肝は？

手法の核は、特権模倣学習フレームワークと二重目的損失関数である。エキスパートは最適制御に基づき、学生ポリシーは模倣損失に加えて安全性と動的制約に関する正則化項を持つ。部分観測対策として、TCNが過去の深度画像とオドメトリを処理し、タスク関連の潜在的文脈を推論する。軌道パラメータ化層はネットワーク出力をB-spline等の構造化軌道に変換し、連続性、動的一貫性、障害物回避のソフトペナルティを訓練中に課す。これにより、未観測のシーンでも制約充足を促進するが、正式な保証はない。

4. どうやって有効だと検証した？

シミュレーションでクアッドローターと固定翼機を用いて検証した。PILOTは特権エキスパートと同等の性能を達成しつつ、計算オーバーヘッドを80%以上削減した。さらに、屋内と屋外でのゼロショット実機展開に成功し、実用的な実現可能性とクロスドメイン一般化を確認した。

5. 議論はある？

要旨からは、制約充足はソフトペナルティによるもので正式な保証がない点が議論の余地として挙げられる。また、シミュレーションと実機展開のギャップや、部分観測下での性能限界についての詳細は不明。さらに、特権エキスパートの計算コストが高いため、訓練時の負荷が大きい可能性も議論されうる。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、特権模倣学習（Privileged Imitation Learning）、最適制御エキスパート、Temporal Convolutional Network (TCN)、エンドツーエンドUAVナビゲーション、部分観測下の運動計画などが挙げられる。具体的には、Learning by Cheatingやその他の特権学習を用いた自律運転の研究、およびUAVナビゲーションのための模倣学習に関する論文が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Qingrui Zhang, Feng Xue, Xiang Zhou, Chenghao Yu

分類: cs.RO

原文アブストラクト

Autonomous navigation in cluttered environments is hampered by partial observability and dynamic constraints. This paper presents PILOT, a constraint-aware privileged imitation learning framework for vision-based end-to-end UAV motion planning under partial observability. The framework distills planning strategies from a computationally intensive optimal control expert into a student policy regularized toward safety and dynamic requirements via a dual-objective loss function. To mitigate partial observability, a spatiotemporal perception fusion module using a Temporal Convolutional Network (TCN) is developed to integrate historical depth images and odometry. This module infers task-relevant latent context from historical observations, enhancing spatial awareness beyond the instantaneous FOV without maintaining persistent map memory. A trajectory parameterization layer mapping network outputs to a structured trajectory, while enabling explicit continuity, dynamic-consistency, and obstacle soft penalties during training, encouraging constraint satisfaction for unseen observations without formal guarantees. Simulations on quadrotor and fixed-wing aircraft demonstrate that PILOT achieves performance comparable to the privileged expert while reducing computational overhead by over 80\%. Successful indoor and outdoor zero-shot deployment confirms the practical feasibility and cross-domain generalization of the planner.

arXivで原文を読む →arXiv概要ページ