An Adaptive Data-Enabled Policy Optimization Approach for Autonomous Bicycle Control

要約

このホワイトペーパーでは、内部ループ内のフィードバック線形化（FL）コントローラーをアダプティブデータ対応ポリシー最適化（DEEPO）コントローラーと外部ループに統合し、自律自転車のバランスをとる統合された制御フレームワークを紹介します。
FLコントローラーは、本質的に不安定で非線形システムを安定化および部分的に線形化しますが、そのパフォーマンスはモデルのダイナミクスと時変特性によって損なわれます。
これらの制限を克服するために、DEEPOコントローラーが導入され、適応性と堅牢性が向上します。
DEEPOの初期制御ポリシーは、オフラインの有限のセット、永続的に刺激的な入力および状態データから取得されます。
安定性を改善し、システムの非線形性と妨害を補うために、堅牢性を促進する正規者が初期ポリシーを改良しますが、Deepoフレームワークの適応セクションは、時変ダイナミクスへの適応を改善する忘れた要因で強化されます。
提案されているDeepo+FLアプローチは、機器の自律自転車でのシミュレーションと実際の実験を通じて評価されます。
結果は、FLのみのアプローチに対するその優位性を示しており、参照リーン角とリーンレートのより正確な追跡を実現しています。

要約(オリジナル)

This paper presents a unified control framework that integrates a Feedback Linearization (FL) controller in the inner loop with an adaptive Data-Enabled Policy Optimization (DeePO) controller in the outer loop to balance an autonomous bicycle. While the FL controller stabilizes and partially linearizes the inherently unstable and nonlinear system, its performance is compromised by unmodeled dynamics and time-varying characteristics. To overcome these limitations, the DeePO controller is introduced to enhance adaptability and robustness. The initial control policy of DeePO is obtained from a finite set of offline, persistently exciting input and state data. To improve stability and compensate for system nonlinearities and disturbances, a robustness-promoting regularizer refines the initial policy, while the adaptive section of the DeePO framework is enhanced with a forgetting factor to improve adaptation to time-varying dynamics. The proposed DeePO+FL approach is evaluated through simulations and real-world experiments on an instrumented autonomous bicycle. Results demonstrate its superiority over the FL-only approach, achieving more precise tracking of the reference lean angle and lean rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google