捜索救助や医療物資配送といった時間-criticalなミッションでは、クアッドロータの機動性を活かして吊り下げペイロードを迅速に輸送することが求められる。しかし、吊り下げペイロードの輸送や移動に関する研究は進んでいるものの、高度に動的な目標への放出、すなわち「投擲」については比較的未開拓のままである。最先端のアプローチは通常、モデルベースの軌道最適化と追従制御に依存しているが、保守的な実行可能性制約、追従誤差、そして柔軟なロープダイナミクスの解析的モデル化の困難さにより、性能は最適とは言い難い。
こうした限界を克服するため、論文の著者らはハイブリッドシミュレーションフレームワークを提案する。このフレームワークは、高忠実度の解析的クアッドロータモデルと、複雑なロープおよびペイロードの相互作用を扱う物理ソルバを結合する。シミュレーションの各ステップで両ドメイン間の力を交換することで、吊り下げペイロードシステムの物理的に正確なシミュレーションを実現する。この環境を活用し、研究者らは深層強化学習ポリシーを訓練し、指定されたターゲットへ敏捷かつ正確にペイロードを投擲することを可能にした。
このポリシーは実機にゼロショットで展開され、敏捷性と精度のトレードオフの限界を押し広げた。モデルベースのベースラインと比較して、着地誤差を最大50%低減し、投擲持続時間を最大30%短縮することに成功した。アブレーション研究は、結合シミュレーションがこれらの性能向上を可能にする鍵であることを確認している。さらに、同じ訓練パイプラインを用いて、明示的な状態推定ではなく視覚観測に基づいて駆動されるポリシーも訓練できることを示した。この視覚ポリシーは、状態ベースのポリシーと同等の投擲精度を達成しており、知覚が制限されたより複雑な実環境への展開の可能性を開く。
動的な空中マニピュレーションの未来の研究を加速するため、著者らは論文採択後にシミュレータをコミュニティにオープンソース化する予定である。本論文はYifan Zhai氏ら7名の著者によって2026年6月25日に提出され、ロボティクス（cs.RO）分野に属し、arXiv:2606.27603として公開されている。