One Net to Rule Them All: Domain Randomization in Quadcopter Racing Across Different Platforms

要約

高速クアッドコプターレースでは、さまざまなプラットフォームでうまく機能する単一のコントローラーを見つけることは依然として困難です。
この作業は、物理的に異なるクワッドコプター全体に一般化するドローンレース用の最初のニューラルネットワークコントローラーを提示します。
ドメインのランダム化でトレーニングされた単一のネットワークは、さまざまなタイプのクワッドコプターを堅牢に制御できることを実証します。
ネットワークは、モーターコマンドを直接計算するために現在の状態のみに依存しています。
この一般化コントローラーの有効性は、2つの実質的に異なる工芸品（3インチおよび5インチのレースクアッドコプター）の実際のテストを通じて検証されます。
さらに、この一般化コントローラーのパフォーマンスを、さまざまなレベルのドメインランダム化（0％、10％、20％、30％）で特定されたモデルパラメーターを使用して、3インチおよび5インチドローン用に特異的にトレーニングされたコントローラーと比較します。
一般化されたコントローラーは、微調整されたモデルと比較してわずかに遅い速度を示しますが、さまざまなプラットフォームで適応性に優れています。
我々の結果は、ランダム化がSIMからリアルへの転送に失敗しないことを示していますが、ランダム化を増加させると堅牢性が向上しますが、速度が低下します。
このトレードオフにもかかわらず、私たちの調査結果は、コントローラーを一般化するためのドメインランダム化の可能性を強調し、あらゆるプラットフォームに適応できるユニバーサルAIコントローラーへの道を開いています。

要約(オリジナル)

In high-speed quadcopter racing, finding a single controller that works well across different platforms remains challenging. This work presents the first neural network controller for drone racing that generalizes across physically distinct quadcopters. We demonstrate that a single network, trained with domain randomization, can robustly control various types of quadcopters. The network relies solely on the current state to directly compute motor commands. The effectiveness of this generalized controller is validated through real-world tests on two substantially different crafts (3-inch and 5-inch race quadcopters). We further compare the performance of this generalized controller with controllers specifically trained for the 3-inch and 5-inch drone, using their identified model parameters with varying levels of domain randomization (0%, 10%, 20%, 30%). While the generalized controller shows slightly slower speeds compared to the fine-tuned models, it excels in adaptability across different platforms. Our results show that no randomization fails sim-to-real transfer while increasing randomization improves robustness but reduces speed. Despite this trade-off, our findings highlight the potential of domain randomization for generalizing controllers, paving the way for universal AI controllers that can adapt to any platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google