Hardware Neural Control of CartPole and F1TENTH Race Car

要約

非線形モデル予測制御 (NMPC) は効果的な制御方法であることが証明されていますが、計算にはコストがかかります。
この研究では、教師あり学習を使用して NMPC を模倣するようにトレーニングされたハードウェア FPGA ニューラル ネットワーク コントローラーの使用を実証します。
当社では、物理的なカートポールや F1TENTH レースカーの高周波制御に、安価な組み込み FPGA ハードウェアに実装されたこれらのニューラル コントローラー (NC) を使用しています。
私たちの結果は、NC がシミュレーションでは NMPC の制御性能と一致し、素早い FPGA NC 推論によってもたらされるより高速な制御速度により、実際にはそれを上回る性能を示していることを示しています。
物理的なカートポールの kHz 制御レートと、F1TENTH 車両の FPGA ハードウェアへの制御のオフロードを示します。
このペーパーのコードとハードウェア実装は、https://github.com/SensorsINI/Neural-Control-Tools で入手できます。

要約(オリジナル)

Nonlinear model predictive control (NMPC) has proven to be an effective control method, but it is expensive to compute. This work demonstrates the use of hardware FPGA neural network controllers trained to imitate NMPC with supervised learning. We use these Neural Controllers (NCs) implemented on inexpensive embedded FPGA hardware for high frequency control on physical cartpole and F1TENTH race car. Our results show that the NCs match the control performance of the NMPCs in simulation and outperform it in reality, due to the faster control rate that is afforded by the quick FPGA NC inference. We demonstrate kHz control rates for a physical cartpole and offloading control to the FPGA hardware on the F1TENTH car. Code and hardware implementation for this paper are available at https:// github.com/SensorsINI/Neural-Control-Tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google