Nonlinear Model Predictive Control for Cooperative Transportation and Manipulation of Cable Suspended Payloads with Multiple Quadrotors

要約

操作メカニズムを備えたクアッドローターなどの自律型超小型航空機 (MAV) は、建設や荷物の配達などの作業で人間を支援する可能性があります。
ケーブルは、軽量、低コスト、シンプルな設計のため、操作メカニズムの有望なオプションです。
ただし、ケーブル機構の制御設計と計画戦略には、間接的な負荷作動、非線形構成空間、および高度に結合されたシステムダイナミクスによる課題が伴います。
この論文では、クアローターのチームが吊り下げられたケーブルを介して 6 自由度すべてで剛体ペイロードを操作できるようにする新しい非線形モデル予測制御 (NMPC) 手法を提案します。
私たちのアプローチでは、後退地平線の最適化の一環として、利用可能な機械システムの冗長性を同時に利用して、ペイロードダイナミクスやアクチュエーターの制約を尊重しながら、ロボット間の分離や障害物回避などの追加タスクを実行できます。
リアルタイムの計算要件とスケーラビリティに対処するために、6 つの自由度すべてでペイロード状態のみを含む軽量の状態ベクトル パラメータ化を採用しています。
これにより、$SE(3)$ マニホールド負荷構成空間での軌道の計画も可能になり、計画の複雑さも軽減されます。
提案されたアプローチをシミュレーションと現実世界の実験を通じて検証します。

要約(オリジナル)

Autonomous Micro Aerial Vehicles (MAVs) such as quadrotors equipped with manipulation mechanisms have the potential to assist humans in tasks such as construction and package delivery. Cables are a promising option for manipulation mechanisms due to their low weight, low cost, and simple design. However, designing control and planning strategies for cable mechanisms presents challenges due to indirect load actuation, nonlinear configuration space, and highly coupled system dynamics. In this paper, we propose a novel Nonlinear Model Predictive Control (NMPC) method that enables a team of quadrotors to manipulate a rigid-body payload in all 6 degrees of freedom via suspended cables. Our approach can concurrently exploit, as part of the receding horizon optimization, the available mechanical system redundancies to perform additional tasks such as inter-robot separation and obstacle avoidance while respecting payload dynamics and actuator constraints. To address real-time computational requirements and scalability, we employ a lightweight state vector parametrization that includes only payload states in all six degrees of freedom. This also enables the planning of trajectories on the $SE(3)$ manifold load configuration space, thereby also reducing planning complexity. We validate the proposed approach through simulation and real-world experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google