視覚運動制御/クアッドロータ/微分可能シミュレーション2026/10/27arXiv:2610.37557

微分可能シミュレーションで動く狭い隙間をくぐる視覚運動制御のクアッドロータ飛行学習

Learning Visuomotor Quadrotor Flight Through Dynamic Narrow Gaps via Differentiable Simulation

微分可能な移動隙間モデルを用い、機体の視覚・慣性情報から直接推力と姿勢指令を出す制御方策を教師なしで一から学習し、実機で動く狭い隙間の通過に成功した。

詳しい要約

1. どんなもの？

- 動く狭い隙間を quadrotor で通過する agile flight のための制御方策を扱う研究。 - 方策は onboard の visual と inertial の計測から直接 collective thrust と body-rate commands を出力する。 - 成功は timing・position・attitude・visual observability の小さな誤差で衝突する薄い feasible manifold 上にあり、cm 級の spatial alignment と precise temporal execution が要求される。

2. 先行研究と比べてどこがすごい？

- 従来の planning・learning 手法は privileged state、teacher、planner、distillation に依存していた。 - 本研究は teacher・planner・distillation なしで、random initialization から one stage で直接学習する点が異なる。 - dynamic narrow-gap traversal を from scratch で直接学習する課題に取り組む。

3. 技術・手法の肝は？

- differentiable moving-gap formulation を導入する。 - centering・alignment・smooth collision の各項を、time-varying gap plane への signed distance で gating する。 - これにより sparse な traversal event を dense な pathwise objective に変換する。 - この定式化を visual-feature-to-command policy に統合し、one stage で学習する。

4. どうやって有効だと検証した？

- synthetic と real-world の両方で実験する。 - controlled benchmarks で pathwise gradients が score-function gradients を precision-critical タスクで大きく上回ることを示す。 - 単一 GPU で数分の学習後、simulation で 99.3% の success rate を得る。 - 方策は実機 quadrotor に直接転移し、onboard sensing と inertial measurements で様々な初期条件から dynamic narrow gap を通過、10 回の physical trials で 80% の success rate を達成する。

5. 議論はある？

- pathwise gradients が precision-critical タスクで score-function gradients より優れる点を議論。 - simulation の 99.3% に対し実機は 80% であり、sim-to-real の差が示唆される。 - 実機 trial は 10 回と限られる。 - その他の限界や議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている score-function gradients を用いる手法（例: policy gradient 系）。 - privileged state・teacher・planner・distillation を用いる prior planning and learning methods。 - differentiable simulation を用いた agile flight 学習の関連研究。

※ 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: Riccardo Bianco, Yunfan Ren, Jiaxu Xing, Davide Scaramuzza

分類: cs.RO

原文アブストラクト

Threading a quadrotor through a moving narrow gap is a demanding test of agile flight, requiring centimeter-level spatial alignment and precise temporal execution. We address this challenge using a control policy that operates directly on onboard visual and inertial measurements to output collective thrust and body-rate commands. The task is difficult because success lies on a thin feasible manifold: small errors in timing, position, attitude, or visual observability cause collision. Prior planning and learning methods rely on privileged state, teachers, planners, or distillation; learning dynamic narrow-gap traversal directly, from scratch, remains open. We introduce a differentiable moving-gap formulation that gates centering, alignment, and smooth collision terms by signed distance to a time-varying gap plane, turning a sparse traversal event into a dense pathwise objective. We integrate this formulation into a visual-feature-to-command policy trained in one stage from random initialization, without a teacher, planner, or distillation. We validate our approach in both synthetic and real-world experiments. In controlled benchmarks, we demonstrate that pathwise gradients significantly outperform score-function gradients for precision-critical tasks, yielding a 99.3% success rate in simulation after only a few minutes of training on a single GPU. Furthermore, the policy transfers directly to a real quadrotor, successfully crossing a dynamic narrow gap from varied initial conditions using onboard sensing and inertial measurements, achieving an 80% success rate over 10 physical trials.

arXivで原文を読む →arXiv概要ページ

← 論文一覧