要約
動的プラットフォームに自律ドローンを着陸させることをマスターするには、風、地面効果、ドッキング プラットフォームのタービンやプロペラによって引き起こされる予測できない速度や外部擾乱により、手強い課題が生じます。
この研究では、高度な深層強化学習 (DRL) エージェントである Lander:AI を導入します。Lander:AI は、風が強い状況でもプラットフォームを航行して着陸し、それによってドローンの自律性と安全性を強化するように設計されています。
Lander:AI は、エージェントの堅牢性と適応性を確保するために、風乱流を含む現実世界の複雑さを反映する環境であるジム-パイバレット-ドローン シミュレーション内で厳密にトレーニングされています。
エージェントの機能は、シミュレートされた環境と現実世界の条件の両方を含む、さまざまなテスト シナリオにわたって Crazyflie 2.1 ドローンを使用して経験的に検証されました。
実験結果は、Lander:AI の高精度着陸と、風による外乱下でも移動プラットフォームに適応する能力を示しました。
さらに、拡張カルマン フィルターで強化されたベースライン PID コントローラーに対してシステム パフォーマンスのベンチマークが行われ、着陸精度とエラー回復が大幅に向上していることがわかりました。
Lander:AI は生物からインスピレーションを得た学習を活用して、鳥などの外力に適応し、力の大きさを知らなくてもドローンの適応性を高めます。この研究は、検査や緊急用途に不可欠なドローン着陸技術を進歩させるだけでなく、複雑な問題に対処する際の DRL の可能性も強調しています。
空力的な課題。
要約(オリジナル)
Mastering autonomous drone landing on dynamic platforms presents formidable challenges due to unpredictable velocities and external disturbances caused by the wind, ground effect, turbines or propellers of the docking platform. This study introduces an advanced Deep Reinforcement Learning (DRL) agent, Lander:AI, designed to navigate and land on platforms in the presence of windy conditions, thereby enhancing drone autonomy and safety. Lander:AI is rigorously trained within the gym-pybullet-drone simulation, an environment that mirrors real-world complexities, including wind turbulence, to ensure the agent’s robustness and adaptability. The agent’s capabilities were empirically validated with Crazyflie 2.1 drones across various test scenarios, encompassing both simulated environments and real-world conditions. The experimental results showcased Lander:AI’s high-precision landing and its ability to adapt to moving platforms, even under wind-induced disturbances. Furthermore, the system performance was benchmarked against a baseline PID controller augmented with an Extended Kalman Filter, illustrating significant improvements in landing precision and error recovery. Lander:AI leverages bio-inspired learning to adapt to external forces like birds, enhancing drone adaptability without knowing force magnitudes.This research not only advances drone landing technologies, essential for inspection and emergency applications, but also highlights the potential of DRL in addressing intricate aerodynamic challenges.
arxiv情報
| 著者 | Robinroy Peter,Lavanya Ratnabala,Demetros Aschu,Aleksey Fedoseev,Dzmitry Tsetserukou |
| 発行日 | 2024-03-12 10:46:33+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google