Learning-Based Passive Fault-Tolerant Control of a Quadrotor with Rotor Failure

要約

このペーパーでは、ローター障害情報やコントローラーの切り替えを必要とせずに、障害のないローター障害から完全なローター障害までの範囲の条件を含む、arbitrary意的な単一ローター障害を処理できる四肢装置の学習ベースのパッシブ障害耐性制御（PFTC）方法を提案します。
ローター断層を乱れとして扱い、複数の障害シナリオの単一のコントローラーに依存する既存の方法とは異なり、このアプローチでは、新しいセレクターコントローラーネットワーク構造を導入します。
このアーキテクチャは、障害検出モジュールとコントローラーを統合されたポリシーネットワークに統合し、PFTCの複数の障害シナリオとアクティブ障害耐性制御（AFTC）の優れた制御パフォーマンスに効果的に組み合わせます。
パフォーマンスを最適化するために、ポリシーネットワークは、補強学習（RL）、動作クローニング（BC）、および障害情報を使用して監視された学習を相乗するハイブリッドフレームワークを使用してトレーニングされます。
広範なシミュレーションと現実世界の実験は、提案された方法を検証し、最先端のPFTCおよびAFTCアプローチと比較して、障害応答速度と位置追跡性能の大幅な改善を示します。

要約(オリジナル)

This paper proposes a learning-based passive fault-tolerant control (PFTC) method for quadrotor capable of handling arbitrary single-rotor failures, including conditions ranging from fault-free to complete rotor failure, without requiring any rotor fault information or controller switching. Unlike existing methods that treat rotor faults as disturbances and rely on a single controller for multiple fault scenarios, our approach introduces a novel Selector-Controller network structure. This architecture integrates fault detection module and the controller into a unified policy network, effectively combining the adaptability to multiple fault scenarios of PFTC with the superior control performance of active fault-tolerant control (AFTC). To optimize performance, the policy network is trained using a hybrid framework that synergizes reinforcement learning (RL), behavior cloning (BC), and supervised learning with fault information. Extensive simulations and real-world experiments validate the proposed method, demonstrating significant improvements in fault response speed and position tracking performance compared to state-of-the-art PFTC and AFTC approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google