OmniDrones: An Efficient and Flexible Platform for Reinforcement Learning in Drone Control

要約

この研究では、Nvidia の Omniverse Isaac Sim 上に構築された、ドローン制御の強化学習に合わせた効率的で柔軟なプラットフォームである OmniDrones を紹介します。
ボトムアップ設計アプローチを採用しており、ユーザーは GPU 並列シミュレーション上でさまざまなアプリケーション シナリオを簡単に設計および実験できます。
また、単一のドローンのホバリングから過剰作動したシステムの追跡に至るまでの課題を提示する、さまざまなベンチマーク タスクも提供します。
要約すると、ドローン学習のための広範なツールスイートを備えた、オープンソースのドローンシミュレーションプラットフォームを提案します。
これには、4 つのドローン モデル、5 つのセンサー モダリティ、4 つの制御モード、10 を超えるベンチマーク タスク、および広く使用されている RL ベースラインの選択が含まれています。
OmniDrones の機能を紹介し、将来の研究をサポートするために、これらのベンチマーク タスクに関する暫定結果も提供します。
このプラットフォームが、RL を実際のドローン システムに適用するためのさらなる研究を促進することを願っています。

要約(オリジナル)

In this work, we introduce OmniDrones, an efficient and flexible platform tailored for reinforcement learning in drone control, built on Nvidia’s Omniverse Isaac Sim. It employs a bottom-up design approach that allows users to easily design and experiment with various application scenarios on top of GPU-parallelized simulations. It also offers a range of benchmark tasks, presenting challenges ranging from single-drone hovering to over-actuated system tracking. In summary, we propose an open-sourced drone simulation platform, equipped with an extensive suite of tools for drone learning. It includes 4 drone models, 5 sensor modalities, 4 control modes, over 10 benchmark tasks, and a selection of widely used RL baselines. To showcase the capabilities of OmniDrones and to support future research, we also provide preliminary results on these benchmark tasks. We hope this platform will encourage further studies on applying RL to practical drone systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google