MARLander: A Local Path Planning for Drone Swarms using Multiagent Deep Reinforcement Learning

要約

ドローンの群れを安全かつ正確に着陸させることは、主に従来の制御および計画方法に起因する大きな課題です。
この論文では、再配置された目標位置にドローンの群れを正確に着陸させるためのマルチエージェント深層強化学習 (MADRL) 技術の実装について説明します。
このシステムは、4 x 4 x 4 m のトレーニング スペースで最大速度 3 m/s の現実的なシミュレーション環境でトレーニングされ、Vicon 屋内位置特定システムを備えた Crazyflie ドローンを利用して展開されます。
実験結果は、提案されたアプローチが、人工ポテンシャル フィールド (APF) を備えた比例積分微分 (PID) コントローラーで使用されるベースライン方法を上回る、静止プラットフォームで 2.26 cm、移動プラットフォームで 3.93 cm の着地精度を達成したことを明らかにしました。
この研究では、集中分析システムの必要性を排除し、拡張性を提供し、物流、安全、救助任務におけるアプリケーションに革命をもたらす可能性があるドローン着陸技術に焦点を当てています。

要約(オリジナル)

Achieving safe and precise landings for a swarm of drones poses a significant challenge, primarily attributed to conventional control and planning methods. This paper presents the implementation of multi-agent deep reinforcement learning (MADRL) techniques for the precise landing of a drone swarm at relocated target locations. The system is trained in a realistic simulated environment with a maximum velocity of 3 m/s in training spaces of 4 x 4 x 4 m and deployed utilizing Crazyflie drones with a Vicon indoor localization system. The experimental results revealed that the proposed approach achieved a landing accuracy of 2.26 cm on stationary and 3.93 cm on moving platforms surpassing a baseline method used with a Proportional-integral-derivative (PID) controller with an Artificial Potential Field (APF). This research highlights drone landing technologies that eliminate the need for analytical centralized systems, potentially offering scalability and revolutionizing applications in logistics, safety, and rescue missions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google