Data-Driven System Identification of Quadrotors Subject to Motor Delays

要約

最近、モデル予測制御 (MPC) や強化学習 (RL) などの非線形制御手法がクアッドローター制御コミュニティでの関心を集めています。
カスケード PID コントローラーなどの古典的な制御方法とは対照的に、MPC と RL はシステム ダイナミクスの正確なモデルに大きく依存しています。
クアッドローター システムの識別プロセスは面倒なことで知られており、多くの場合、スラスト スタンドなどの追加機器を使用して実行されます。
さらに、正確なエンドツーエンド制御にとって重要なモーター遅延などの低レベルの詳細は無視されることがよくあります。
この研究では、純粋に固有受容データに基づいてクワッドローターの慣性パラメーター、推力曲線、トルク係数、および一次モーター遅延を特定するデータ駆動型の方法を導入します。
通常、RPM は測定できないため、モーター遅延の推定は特に困難です。
潜在時定数を推定するための最大事後確率 (MAP) ベースの方法を導き出します。
私たちのアプローチに必要な飛行データは約 1 分間のみで、追加の機器を必要とせずに収集でき、通常は 3 つの簡単な操作で構成されます。
実験結果は、複数のクワッドローターのパラメーターを正確に回復する私たちの方法の能力を示しています。
また、過酷な屋外条件下での大型クワッドローターの RL ベースのエンドツーエンド クワローター制御の導入も容易になります。

要約(オリジナル)

Recently non-linear control methods like Model Predictive Control (MPC) and Reinforcement Learning (RL) have attracted increased interest in the quadrotor control community. In contrast to classic control methods like cascaded PID controllers, MPC and RL heavily rely on an accurate model of the system dynamics. The process of quadrotor system identification is notoriously tedious and is often pursued with additional equipment like a thrust stand. Furthermore, low-level details like motor delays which are crucial for accurate end-to-end control are often neglected. In this work, we introduce a data-driven method to identify a quadrotor’s inertia parameters, thrust curves, torque coefficients, and first-order motor delay purely based on proprioceptive data. The estimation of the motor delay is particularly challenging as usually, the RPMs can not be measured. We derive a Maximum A Posteriori (MAP)-based method to estimate the latent time constant. Our approach only requires about a minute of flying data that can be collected without any additional equipment and usually consists of three simple maneuvers. Experimental results demonstrate the ability of our method to accurately recover the parameters of multiple quadrotors. It also facilitates the deployment of RL-based, end-to-end quadrotor control of a large quadrotor under harsh, outdoor conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google