中断を考慮した再帰強化学習によるUASナビゲーション

- UAS（無人航空機システム）の安全な自律航法のための研究。 - 部分的観測下（センサや交通データの欠落・遅延・劣化）での戦術的deconflictionを扱う。 - 学習済みrecurrent reinforcement learningポリシーが、remote pilotやdetect-and-avoid、runtime assuranceによる一時的なoverride（interruption）を受けた後、権限返還（handback）時の挙動を問題にする。 - interruption-awareな3つのrecurrentアーキテクチャを提案する。

- 従来はgeometry-based手法がseparation assuranceを与えるがdense encountersで限界。 - recurrent reinforcement learningはobservation-action履歴を統合し長期の安全-効率トレードオフを最適化する提案がある。 - 本研究は『interruption後のhandback』という研究ギャップに着目。 - 標準recurrentポリシーではinterruptionによりhidden stateからtask変数がdecodableでなくなり、post-interruption衝突リスクが増えることを示す。 - 提案アーキテクチャはinterruption-free性能を劣化させずにこれを改善。

- interruption contextをrecurrent処理に条件付ける3つのアーキテクチャを提案。 - separate feature streams（別々の特徴ストリーム） - dedicated interruption memory（専用のinterruptionメモリ） - gated environmental features（環境特徴のゲーティング） - 仮説として、altered recurrent contextがaction-observation feedback loopを通じてpost-handback劣化を長引かせる点を扱う。 - 具体的なネットワーク構成・学習アルゴリズムの詳細は要旨からは不明。

- シミュレーションで検証。 - 3アーキテクチャすべてが標準recurrentポリシーよりdecodableなtask情報を保持。 - 最強のアーキテクチャはrecurrent baseline比でpost-interruption衝突を74%削減、interruption起因のmission failureを69%削減。 - interruption-free性能は劣化しないことを確認。 - ベンチマークでinterruptionがhidden stateのtask変数decodabilityを下げ、post-interruption衝突リスクを増やすことも示す。

- 『安全なinterruptionは安全なhandbackを保証しない』という知見を提示。 - action-observation feedback loopにより、変更されたactionが飛行経路を変え、その後のrecurrent更新に影響する機構を議論。 - resilient UAS autonomyのためのinterruption-aware recurrent設計を支持。 - 実機検証や実運用環境での一般化、他タスクへの拡張性は要旨からは不明。

- 要旨で比較対象として挙げられる標準的なrecurrent reinforcement learning（recurrent baseline）。 - geometry-basedなdeconfliction/separation assurance手法。 - onboard detect-and-avoidおよびruntime assuranceに関する研究。 - 部分的観測下のUAS navigationに関するrecurrent RL研究。 - 個別の論文名は要旨に明記されていないため、上記の関連手法・分野を次に参照すべき。