A Learning-based Quadcopter Controller with Extreme Adaptation

要約

このペーパーでは、質量、サイズ、アクチュエータの機能に大きなばらつきを持つクアッドコプターを適応的に制御するクワッドコプター向けの学習ベースの低レベルコントローラーを紹介します。
私たちのアプローチは、模倣学習と強化学習の組み合わせを活用し、正確なモデルの推定または手動チューニングの必要性を排除するクワッドコプターの高速適応および一般的な制御フレームワークを作成します。
コントローラーは、センサーアクションの履歴から車両のシステムパラメーターの潜在的な表現を推定し、それを多様なダイナミクスに迅速に適応させることができます。
シミュレーションにおける広範な評価は、適応範囲がトレーニングセットの最大16倍の範囲で、目に見えないクワッドコプターパラメーターに一般化するコントローラーの能力を示しています。
実際のテストでは、コントローラーは3.7倍の質量差があり、100倍以上変化するプロペラ定数のクアッドコプターに正常に展開され、一方、センター外のペイロードやモーターの故障などの障害への迅速な適応も示します。
これらの結果は、設計プロセスを簡素化し、予測不可能な環境での自律的なドローン操作の信頼性を高めるための極端な適応におけるコントローラーの可能性を強調しています。
ビデオとコードはhttps://github.com/muellerlab/xadapt_ctrlにあります

要約(オリジナル)

This paper introduces a learning-based low-level controller for quadcopters, which adaptively controls quadcopters with significant variations in mass, size, and actuator capabilities. Our approach leverages a combination of imitation learning and reinforcement learning, creating a fast-adapting and general control framework for quadcopters that eliminates the need for precise model estimation or manual tuning. The controller estimates a latent representation of the vehicle’s system parameters from sensor-action history, enabling it to adapt swiftly to diverse dynamics. Extensive evaluations in simulation demonstrate the controller’s ability to generalize to unseen quadcopter parameters, with an adaptation range up to 16 times broader than the training set. In real-world tests, the controller is successfully deployed on quadcopters with mass differences of 3.7 times and propeller constants varying by more than 100 times, while also showing rapid adaptation to disturbances such as off-center payloads and motor failures. These results highlight the potential of our controller in extreme adaptation to simplify the design process and enhance the reliability of autonomous drone operations in unpredictable environments. The video and code are at: https://github.com/muellerlab/xadapt_ctrl

arxiv情報

提供元, 利用サービス

arxiv.jp, Google