StableTracker：微分可能シミュレーションによって安定に目標を追跡する学習

要旨: 既存のFPVオブジェクト追跡手法は、手作りのモジュール型パイプラインに大きく依存しており、機上での計算負荷が高く、さらに累積誤差が生じます。学習ベースのアプローチは計算遅延を緩和してきましたが、その多くは高レベルの軌道（位置とヨー）だけを生成します。別個のコントローラとの結合が緩いため、正確な姿勢制御が犠牲になります。その結果、対象を正確に局在化できたとしても、ボディ固定カメラが常に対象を向くことが保証されず、旋回の激しい対象を追跡する際には、おそらく追跡性能が低下し、対象を見失います。これらの課題に対処するために、我々はStableTrackerを提案します。StableTrackerは、学習ベースの制御方策であり、クアッドロータが任意の視点から移動する対象を頑健に追従できるようにします。この方策は、微分可能なシミュレーションを通じた時間方向の逆伝播（backpropagation-through-time）により学習されます。これにより、クアッドロータは、対象を水平方向・垂直方向の両方で視野の中心に保ちながら、固定された相対距離を維持できます。したがって、この手法は自律型の空中カメラとして機能します。StableTrackerを、最先端の従来アルゴリズムおよび学習ベースのベースラインと比較します。シミュレーション結果は、さまざまな安全距離、軌道、対象の速度にわたって、精度・安定性・汎化性能が優れていることを示します。さらに、機上コンピュータを搭載したクアッドロータによる実世界実験により、本提案アプローチの実用性が検証されます。