AquaOrbit: 断続的な視覚フィードバック下での水中ターゲット周回のためのSim-to-Real強化学習

- 水中で移動するターゲットを周回するタスクにおいて、視覚フィードバックが断続的に失われる状況に対応する強化学習コントローラ「AquaOrbit」を提案。 - 検出喪失時に復帰モジュールがラッチしたline-of-sight、roll、depth参照を用いて安定化とターゲット再捕捉を支援。 - Isaac Simで動力学・観測・視覚喪失のランダム化を行い訓練し、Gazebo/ROS2で再訓練なしに評価。 - 静的・動的ターゲット条件で20/20の周回試行を完了し、動的ターゲットではPIDベースのvisual servoingと比べ平均line-of-sight誤差を約46%低減。 - 実機ゼロショット展開で楕円、8の字、可変深度円軌道を実現し、手動オクルージョンや視野喪失からの再捕捉も確認。

- 従来のPIDベースvisual servoingコントローラ（復帰機能付き）と比較して、動的ターゲット条件で平均line-of-sight誤差を約46%低減。 - 復帰モジュールを除去すると完了試行が9/20に減少し、その有効性を定量的に示す。 - 異なる物理エンジンと知覚摂動下で再訓練なしに評価され、sim-to-realギャップへの頑健性を示す。 - 訓練にない軌道タイプ（8の字、可変深度円）を含むゼロショット実機展開を達成。 - 手動オクルージョン最大8秒間の姿勢安定性維持と、視野喪失イベントでの2.5秒以内の再捕捉を報告。

- 強化学習コントローラに復帰モジュールを組み込み、視覚検出喪失時にラッチしたline-of-sight、roll、depth参照を利用。 - 訓練はIsaac Simで行い、動力学、観測、視覚喪失のランダム化を実施。 - 復帰モジュールは安定化とターゲット再捕捉を支援する役割を担う。 - 評価はGazebo/ROS2で異なる物理エンジンと知覚摂動下で実施。 - 実機展開では完全オンボードの知覚と制御を使用。

- Gazebo/ROS2で再訓練なしに静的・動的ターゲット条件で各20/20の周回試行を完了。 - 動的ターゲット条件でPIDベースvisual servoingと比較し、平均line-of-sight誤差を約46%低減。 - 復帰モジュール除去時は完了が9/20に減少することを確認。 - 実機ゼロショット展開で楕円、8の字、可変深度円軌道を実現。 - 手動オクルージョン最大8秒間の姿勢安定性維持と、視野喪失イベントでの2.5秒以内の再捕捉を報告。

- 要旨からは、提案手法の限界や失敗事例、計算コスト、一般化可能性に関する議論は明示されていない。 - 復帰モジュールの有無による性能差や、異なる物理エンジン下での評価結果は示されているが、詳細な議論は要旨からは不明。 - 実機展開でのオクルージョンや視野喪失への対応は報告されているが、他の外乱や環境条件への影響は要旨からは不明。

- 要旨で参照されているPID-based visual servoing controller with recovery。 - 同分野の関連手法として、sim-to-real強化学習、underwater visual servoing、target tracking、domain randomization、recovery moduleに関する研究が挙げられる。 - 具体的な論文名は要旨に記載がないため、上記の一般名で関連研究を探索することが推奨される。