Flying through Moving Gates without Full State Estimation

要約

自律的なドローンレースには、強力な認識、計画、および制御が必要であり、自律的でアジャイルな飛行のベンチマークとテストフィールドになりました。
既存の作業では、通常、既知のマップを備えた静的レーストラックを想定しています。これにより、特定のレーストラックと運用環境のために、状態推定またはトレーニング学習ベースの方法のために、視覚inertial筋臭測定（VIO）のドリフトを減らすために、ゲートにローカリゼーションを実行し、ゲートにローカリゼーションを実行します。
対照的に、災害対応や配送などの多くの現実世界のタスクは、未知の動的環境で実行する必要があります。
目に見えない環境や移動門に対してドローンレースをより堅牢にするために、レーストラックマップやヴィオなしで動作するコントロールアルゴリズムを提案します。
この目的のために、比例航法の法則（PN）を採用して、ゲートの動きや風にもかかわらず、門を正確に飛行します。
制約された最適化問題としてドローンレースのPNに基づいた視力ベースの制御問題を策定し、閉じた形式の最適ソリューションを導き出します。
シミュレーションと現実世界の実験を通じて、アルゴリズムは、異なるゲートの動き、モデルエラー、風、遅延に堅牢である一方で、高速で移動するゲートをナビゲートできることを実証します。

要約(オリジナル)

Autonomous drone racing requires powerful perception, planning, and control and has become a benchmark and test field for autonomous, agile flight. Existing work usually assumes static race tracks with known maps, which enables offline planning of time-optimal trajectories, performing localization to the gates to reduce the drift in visual-inertial odometry (VIO) for state estimation or training learning-based methods for the particular race track and operating environment. In contrast, many real-world tasks like disaster response or delivery need to be performed in unknown and dynamic environments. To make drone racing more robust against unseen environments and moving gates, we propose a control algorithm that operates without a race track map or VIO, relying solely on monocular measurements of the line of sight to the gates. For this purpose, we adopt the law of proportional navigation (PN) to accurately fly through the gates despite gate motions or wind. We formulate the PN-informed vision-based control problem for drone racing as a constrained optimization problem and derive a closed-form optimal solution. Through simulations and real-world experiments, we demonstrate that our algorithm can navigate through moving gates at high speeds while being robust to different gate movements, model errors, wind, and delays.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google