センサーモータ・ポリシーによる精密かつ攻撃的な航空機動

Abstract

軽量なオンボードセンサを用いた精密かつ攻撃的な機動は、ドローンの機動性を完全に活用する上で、依然として主要なボトルネックとなっています。このような機動は、環境中の狭い開口部を通り抜けることで、システムがアクセス可能な領域を拡大するために不可欠です。中でも特に関連性の高い課題の一つは、SE(3)制約のもとでクアッドロータが狭い隙間を攻撃的に通過する問題であり、クアッドロータは一瞬の傾いた姿勢と機体フレームの非対称性を活用して隙間をナビゲートする必要があります。本論文では、オンボード視覚と自己受容（proprioception）を低レベルの制御指令へ直接写像するセンサーモータ・ポリシーを構築することで、こうした機動を実現します。ポリシーは、シミュレーションにおけるエンドツーエンドのポリシー蒸留を伴う強化学習（RL）で学習します。モデルフリーRLの探索が、制限された解空間において本質的に難しいという課題を緩和するために、モデルベース計画器が生成した軌道を活用する初期化戦略を用います。入念なsim-to-real設計により、本ポリシーは、クリアランスが小さくかつ高い再現性を持つ条件下で、クアッドロータを狭い隙間を通して制御できるようになります。たとえば提案手法は、隙間の位置や姿勢についての知識を持たずに、5 cmのクリアランスで長方形の隙間を、最大90度まで傾けた姿勢でナビゲートすることを可能にします。動的な隙間での学習を行わなくても、ポリシーは移動する隙間を通過するように、リアクティブにクアッドロータをサーボ制御できます。提案手法は、互いに近接して配置された狭い隙間の困難なトラックに対して、ポリシーの学習と実運用（デプロイ）によっても検証されます。さらに、このポリシー学習手法の柔軟性は、手作業で定義した通過姿勢や視覚的特徴に依存せずに、幾何学的に多様な隙間向けのポリシーを開発することで示されます。