SafeSwarm: Decentralized Safe RL for the Swarm of Drones Landing in Dense Crowds

要約

この論文では、安全学習と組み合わせた強化学習技術に依存することで、混雑した環境で確実に着陸を実行できる安全なドローンの群れを紹介します。
開発されたシステムにより、さまざまなダイナミクスを持つドローンの群れに、障害物やエージェント間の衝突を避けながら、環境内の移動する着陸パッドに着陸するよう学習させることができます。
安全なバリア ネット アルゴリズムは、Crazyflie 2.1 マイクロ クワッドローターの群れを使用して開発および評価され、正確な位置特定と制御を確保するために Vicon モーション キャプチャ システムを使用して屋内でテストされました。
実験結果では、当社のシステムが平均時間 17 秒で 2.25 cm の着陸精度と衝突のない着陸を達成することが示されており、現実世界のシナリオにおけるその有効性と堅牢性が強調されています。
この成果は、安全性と精度が最優先される環境でのアプリケーションに有望な基盤を提供します。

要約(オリジナル)

This paper introduces a safe swarm of drones capable of performing landings in crowded environments robustly by relying on Reinforcement Learning techniques combined with Safe Learning. The developed system allows us to teach the swarm of drones with different dynamics to land on moving landing pads in an environment while avoiding collisions with obstacles and between agents. The safe barrier net algorithm was developed and evaluated using a swarm of Crazyflie 2.1 micro quadrotors, which were tested indoors with the Vicon motion capture system to ensure precise localization and control. Experimental results show that our system achieves landing accuracy of 2.25 cm with a mean time of 17 s and collision-free landings, underscoring its effectiveness and robustness in real-world scenarios. This work offers a promising foundation for applications in environments where safety and precision are paramount.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google