ASV（浮遊ごみ回収）向け統合知覚による強化学習制御のSim-to-Real移行とロバスト性評価
arXiv cs.RO / 2026/5/5
📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本研究は、カメラの偏光計測に基づく知覚と軽量なDRL（深層強化学習）コントローラを組み合わせ、実環境の流体力学や水面認識の難しさの下で浮遊ごみを検出・回収するASVシステムを現地検証した。
- 主要な貢献として、二段階のシミュレーション手順と、実カメラ挙動を模倣する知覚アブストラクション・モジュールを用いて、シミュレーションと現実のギャップを定量化し再現可能にするSim-to-Real評価手法を提示している。
- 同手法を、14種類の攪乱レジームにわたって対応したシミュレーションと現地実験の両方で検証し、終端でのセンチメートル級の精度と、概ねロバストな制御性能を示した。
- 性能低下の主因は作動（アクチュエータ）モデルの忠実度不足であるとされ、移行を確実にするために作動モデルの改善、的を絞ったドメインランダム化、モジュール間の遅延とタイムスタンプ管理の慎重な取り扱いなどの実践的な改善策を述べている。
- さらに、実カメラの検出結果を用いた探索・回収デモを行い、最大450 m²の範囲で実環境条件下の運用可能性も示した。
