複数のドローンが協力してペイロード（荷物）を運搬する技術は、建設現場や物流、災害対応など多くの実用的応用が期待される分野として注目を集めています。しかし、ドローン、ケーブル、ペイロード間の複雑に絡み合ったダイナミクスは大きな課題となっており、特に動的で非構造化された環境では安全性とスケーラビリティの面で既存のアプローチは限界を有しています。 本研究では、安全でスケーラブルな複数ドローン協調ペイロード輸送のための学習ベースのフレームワークが提案されています。研究チームは、タスク関連のドローン・ペイロード相互作用を保持しながら計算効率性を維持する最小限の2D抽象化モデルを導入しました。チーム規模と物理パラメータのドメインランダミゼーション手法を用いて、Discrete Graph Control Barrier Function Proximal Policy Optimization（DGPPO）を通じて分散型のポリシーを訓練しています。これにより、ファインチューニングなしでゼロショット sim-to-real転送が可能になります。 実験結果は極めて有望です。単一の学習済みポリシーが、様々なチームサイズとタスク条件に対して汎化性能を示すことが実証されました。さらに重要なのは、複数グループのハードウェア実験で、同じポリシーが動的環境でも安全に動作することが確認されたことです。この環境では、他のドローンチームが移動する障害物として機能しています。これらの成果は、提案されたフレームワークが複雑な実世界の条件に対して強い汎化能力を持つ、効率的で安全かつスケーラブルな複数ドローンペイロード輸送を実現することを示唆しています。