RL-based Control of UAS Subject to Significant Disturbance

要約

このペーパーでは、不確実なトリガー信号に関連する可能性のある重大な妨害を受ける無人航空システム（UAS）の位置と態度制御のための強化学習（RL）ベースの制御フレームワークを提案します。
提案された方法は、トリガー信号と妨害力の関係を学習し、システムが発生する前に差し迫った妨害を予測し、打ち消すことを可能にします。
3つのポリシーを訓練および評価します。妨害にさらされることなく訓練されたベースラインポリシー、妨害で訓練されたがトリガー信号なしで訓練された反応的ポリシー、およびトリガー信号を観察として組み込み、トレーニング中に妨害にさらされる予測ポリシー。
シミュレーション結果は、予測ポリシーが、プロアクティブな修正操作を介して位置逸脱を最小限に抑えることにより、他のポリシーを上回ることを示しています。
この作業は、UASパフォーマンスを改善するために、予測キューをRLフレームワークに統合する可能性を強調しています。

要約(オリジナル)

This paper proposes a Reinforcement Learning (RL)-based control framework for position and attitude control of an Unmanned Aerial System (UAS) subjected to significant disturbance that can be associated with an uncertain trigger signal. The proposed method learns the relationship between the trigger signal and disturbance force, enabling the system to anticipate and counteract the impending disturbances before they occur. We train and evaluate three policies: a baseline policy trained without exposure to the disturbance, a reactive policy trained with the disturbance but without the trigger signal, and a predictive policy that incorporates the trigger signal as an observation and is exposed to the disturbance during training. Our simulation results show that the predictive policy outperforms the other policies by minimizing position deviations through a proactive correction maneuver. This work highlights the potential of integrating predictive cues into RL frameworks to improve UAS performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google