A Time and Place to Land: Online Learning-Based Distributed MPC for Multirotor Landing on Surface Vessel in Waves

要約

マルチローター無人航空機 (UAV) を無人水上艦艇 (USV) に着陸させると、航続距離が拡大し、捜索救助や環境監視などの海事および陸水学用途に充電機能が提供されます。
しかし、自律型 UAV が USV に着陸することは、波によって引き起こされる船の予測不可能な傾きや動きのため困難です。
この動きにより空間的および時間的不確実性が生じ、安全で正確な着陸が困難になります。
無人地上車両 (UGV) での既存の自律着陸技術は、状態情報の共有に依存しているため、通信制限による時間遅延が発生することがよくあります。
この論文では、波のような状況で自律 UAV が USV に着陸するための、学習ベースの分散型モデル予測制御 (MPC) フレームワークを紹介します。
各車両の MPC は人工的な目標と入力に合わせて最適化され、目標のみを他の車両と共有します。
これらの目標は、ガウス プロセス (GP) として学習されたカップリング コストとプラットフォーム チルト コストによってペナルティを受けます。
USV の傾斜動作をシミュレートするために、UGV に取り付けられたカスタム設計のプラットフォームを使用した包括的な屋内実験でフレームワークを検証します。
私たちのアプローチは、着陸における傾斜動作の影響を無視したアプローチと比較して、着陸成功率が 53% 増加しました。

要約(オリジナル)

Landing a multirotor unmanned aerial vehicle (UAV) on an uncrewed surface vessel (USV) extends the operational range and offers recharging capabilities for maritime and limnology applications, such as search-and-rescue and environmental monitoring. However, autonomous UAV landings on USVs are challenging due to the unpredictable tilt and motion of the vessel caused by waves. This movement introduces spatial and temporal uncertainties, complicating safe, precise landings. Existing autonomous landing techniques on unmanned ground vehicles (UGVs) rely on shared state information, often causing time delays due to communication limits. This paper introduces a learning-based distributed Model Predictive Control (MPC) framework for autonomous UAV landings on USVs in wave-like conditions. Each vehicle’s MPC optimizes for an artificial goal and input, sharing only the goal with the other vehicle. These goals are penalized by coupling and platform tilt costs, learned as a Gaussian Process (GP). We validate our framework in comprehensive indoor experiments using a custom-designed platform attached to a UGV to simulate USV tilting motion. Our approach achieves a 53% increase in landing success compared to an approach that neglects the impact of tilt motion on landing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google