N-MPC for Deep Neural Network-Based Collision Avoidance exploiting Depth Images

要約

この論文では、UAV による軌道追跡タスクにおける衝突回避のために、オンボードでキャプチャされた深度画像を処理するディープ ニューラル ネットワークを利用する非線形モデル予測制御 (N-MPC) フレームワークを紹介します。
このネットワークは、シミュレートされた深度画像でトレーニングされ、センサーの視野内でクエリされた 3D ポイントの衝突スコアを出力します。
次に、このネットワークは代数記号方程式に変換されて N-MPC に組み込まれ、後退地平線全体にわたって予測位置が衝突しないように明示的に制約されます。
N-MPCは制御周波数100HzでUAVのリアルタイム制御を実現します。
提案されたフレームワークは、衝突分類子ネットワークの統計分析、Gazebo シミュレーションおよび実際の実験を通じて検証され、結果として生じる N-MPC の機能を評価して、乱雑な環境で衝突を効果的に回避します。
関連するコードは、トレーニング イメージとともにオープンソースでリリースされます。

要約(オリジナル)

This paper introduces a Nonlinear Model Predictive Control (N-MPC) framework exploiting a Deep Neural Network for processing onboard-captured depth images for collision avoidance in trajectory-tracking tasks with UAVs. The network is trained on simulated depth images to output a collision score for queried 3D points within the sensor field of view. Then, this network is translated into an algebraic symbolic equation and included in the N-MPC, explicitly constraining predicted positions to be collision-free throughout the receding horizon. The N-MPC achieves real time control of a UAV with a control frequency of 100Hz. The proposed framework is validated through statistical analysis of the collision classifier network, as well as Gazebo simulations and real experiments to assess the resulting capabilities of the N-MPC to effectively avoid collisions in cluttered environments. The associated code is released open-source along with the training images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google