A Neural Network Mode for PX4 on Embedded Flight Controllers

要約

このペーパーでは、PX4スタック内のニューラルネットワークベースのコントローラーフレームワークのオープンソースの実装に貢献しています。
PX4オートパイロットのすべての機能を保持しながら、マイクロコントローラーに推論するためのカスタムモジュールを開発します。
空中ジムシミュレーターで訓練されたポリシーは、Tensorflow Lite形式に変換され、PX4とともに組み込まれ、フライトコントローラーにフラッシュされます。
ポリシーは、PX4内のコントロールキャスセードを代用して、正規化されたモーターRPMセットポイントを提供するエンドツーエンドの位置セットポイント追跡コントローラーを直接提供します。
シミュレーションと現実世界で実施された実験は、同様の追跡パフォーマンスを示しています。
したがって、現実の世界で神経制御ポリシーをテストするためのフライトレディパイプラインを提供します。
パイプラインは、組み込みフライトコントローラーハードウェア上のニューラルネットワークの展開を簡素化し、学習ベースの制御に関する研究を促進します。
空中ジムシミュレーターとPX4モジュールの両方は、https：//github.com/ntnu-arl/aerial_gym_simulatorとhttps://github.com/sindremhegre/px4-autopilot-public/tree/for_parefor_paperでオープンソースを受けています。
ビデオ：https：//youtu.be/ly1okz_uoqm?si=vtzl243bay3lbltj。

要約(オリジナル)

This paper contributes an open-sourced implementation of a neural-network based controller framework within the PX4 stack. We develop a custom module for inference on the microcontroller while retaining all of the functionality of the PX4 autopilot. Policies trained in the Aerial Gym Simulator are converted to the TensorFlow Lite format and then built together with PX4 and flashed to the flight controller. The policies substitute the control-cascade within PX4 to offer an end-to-end position-setpoint tracking controller directly providing normalized motor RPM setpoints. Experiments conducted in simulation and the real-world show similar tracking performance. We thus provide a flight-ready pipeline for testing neural control policies in the real world. The pipeline simplifies the deployment of neural networks on embedded flight controller hardware thereby accelerating research on learning-based control. Both the Aerial Gym Simulator and the PX4 module are open-sourced at https://github.com/ntnu-arl/aerial_gym_simulator and https://github.com/SindreMHegre/PX4-Autopilot-public/tree/for_paper. Video: https://youtu.be/lY1OKz_UOqM?si=VtzL243BAY3lblTJ.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google