FPGA-Based Neural Thrust Controller for UAVs

要約

無人航空機 (UAV) の出現により、最先端のアルゴリズムを実装するための多用途でコスト効率が高く、アクセスしやすいプラットフォームが提供され、さまざまな分野が改善されました。
より広範囲のタスクを達成するために、増大する複雑性と動的な環境条件に対処するための強化されたオンボード コンピューティングの必要性が高まっています。
最近の進歩により、特に強化学習 (RL) と組み合わせたディープ ニューラル ネットワーク (DNN) の適用が見られ、特に未知の環境における UAV の適応性とパフォーマンスが向上しています。
ただし、DNN の計算要件により、多くの UAV で利用できるコンピューティング リソースが限られているという課題が生じます。
この研究では、柔軟性、高性能、エネルギーおよび時間効率を提供する、この課題に対する実行可能なソリューションとしてフィールド プログラマブル ゲート アレイ (FPGA) の使用を検討します。
私たちは、人気のあるオープンソースのマイクロ UAV プラットフォーム向けに、Artix-7 FPGA を搭載した新しいハードウェア ボードを提案します。
私たちは、実際の実験を使用して RL ベースの低レベル コントローラーを実装することにより、その機能を検証することに成功しました。

要約(オリジナル)

The advent of unmanned aerial vehicles (UAVs) has improved a variety of fields by providing a versatile, cost-effective and accessible platform for implementing state-of-the-art algorithms. To accomplish a broader range of tasks, there is a growing need for enhanced on-board computing to cope with increasing complexity and dynamic environmental conditions. Recent advances have seen the application of Deep Neural Networks (DNNs), particularly in combination with Reinforcement Learning (RL), to improve the adaptability and performance of UAVs, especially in unknown environments. However, the computational requirements of DNNs pose a challenge to the limited computing resources available on many UAVs. This work explores the use of Field Programmable Gate Arrays (FPGAs) as a viable solution to this challenge, offering flexibility, high performance, energy and time efficiency. We propose a novel hardware board equipped with an Artix-7 FPGA for a popular open-source micro-UAV platform. We successfully validate its functionality by implementing an RL-based low-level controller using real-world experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google