強化学習/脚式移動2026/9/14arXiv:2609.15399

単脚跳躍クアッドコプターの俊敏かつ省エネな移動のための動力学を考慮した強化学習

Dynamics-Informed Reinforcement Learning for Agile and Energy-Efficient Locomotion of a Monopedal Hopping Quadcopter

跳躍するクアッドコプターの制御に、目標比エネルギーを報酬に組み込む動力学情報付き強化学習を適用し、エネルギー効率の良い跳躍歩容を実現した。

詳しい要約

1. どんなもの？

単脚跳躍型 quadcopter の敏捷かつ省エネな locomotion を実現する Dynamics-Informed RL フレームワーク。複雑な hybrid dynamics 下での高速 hopping 制御を対象とする。

2. 先行研究と比べてどこがすごい？

従来の RL は energy-inefficient な reward hacking に陥りやすい。提案法は target Specific Energy を reward に埋め込み、物理的に実現可能な energy manifold に最適化を制約する点が新しい。

3. 技術・手法の肝は？

- reward に target Specific Energy を埋め込み、物理的に実現可能な energy manifold に制約 - phase-consistent な挙動を reward し、bio-inspired な stance-phase impulse を促す - electro-mechanical power waste を penalize し、motor に効率的な impulse を生成させる - heuristic state machine なしで spring restitution 中に厳密に energy を注入

4. どうやって有効だと検証した？

MuJoCo simulations で検証。 severe な attitude-contact coupling 下でも robust な height regulation と最大 2.0 m/s の forward velocity tracking を確認。

5. 議論はある？

hovering baselines と inefficiency baseline と比較し、energy consumption をそれぞれ 82% と 73% 削減。高度な hopping gait を実現。

6. 次に読むべき論文は？

要旨からは不明。関連手法として RL、reward hacking、Specific Energy、MuJoCo が挙げられる。

※ 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: Ruigang Chen, Qi Zhang, Zhicheng Zhong, Zhuorui Yun, Yizhar Or, Mingyi Liu

分類: cs.RO

原文アブストラクト

Although aerial-legged robots offer combined agility and efficiency, controlling high-speed hopping under complex hybrid dynamics is challenging. Reinforcement Learning (RL) is promising but prone to energy-inefficient "reward hacking". We propose a Dynamics-Informed RL framework for a monopedal hopping quadcopter. By embedding a target Specific Energy into the reward, we constrain the optimization to a physically viable energy manifold, ensuring stable hopping behaviour. By rewarding the phase-consistent behavior, it can encourage bio-inspired stance-phase impulse. Furthermore, penalizing the electro-mechanical power waste induces the motors generate an efficient impulse. This enables the policy to inject energy strictly during spring restitution without heuristic state machines. MuJoCo simulations validate robust height regulation and forward velocity tracking up to 2.0 m/s despite severe attitude-contact coupling. Ultimately, our approach yields a highly agile hopping gait, reducing energy consumption by 82% and 73% compared to hovering baselines and inefficiency baseline, respectively.

arXivで原文を読む →arXiv概要ページ

← 論文一覧