RAYA: ロボット復帰のための介入タイミングと場所を学習する

- ロボットが故障予測しても、制御権限が既に消費されていたり、固定タスク優先度が回復を妨げる問題に対処する。 - RAYAは、学習された有限ホライズン回復余裕をハード制約付き最適制御器に組み込み、学習された有界スケジューラでタスク重みを調整するハイブリッド学習・解析フレームワーク。 - クアッドロータと自動運転車のベンチマークで評価し、組み込み実装を35g Crazyflieに搭載。

- 従来の安全機構は事後的に介入するが、RAYAは回復可能性を行動選択時に考慮する。 - 固定タスク優先度ではなく、回復可能性に応じてタスク目標を適応させる。 - 学習コンポーネントを未見の軌道、外乱、プラント変化、摩擦配置にゼロショット転移できる点が優れている。

- 学習された有限ホライズン回復余裕を、ハード制約付き最適制御器内に配置。 - 有界学習スケジューラを組み合わせ、タスク重みをシフトして回復を促進。 - ハイブリッド学習・解析アプローチで、制御器内で回復可能性とタスク適応を同時に決定。

- クアッドロータと自動運転車のベンチマークで、各制御器あたり7,200シミュレーションエピソードを実施。 - 生存率の向上と、未見の軌道、外乱、プラント変化、摩擦配置へのゼロショット転移を確認。 - 35g Crazyflieに搭載し、風と空力ミスマッチまたは未モデル化40%モーターコマンド損失下で40回のハードウェア飛行を実施。3つのベースラインは全試行失敗したが、RAYAは10/10の6サイクルミッションを完了。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。同分野の定番として、安全クリティカル制御、モデル予測制御、強化学習ベースのロボット制御、回復制御に関する論文が挙げられる。