Learning Swing-up Maneuvers for a Suspended Aerial Manipulation Platform in a Hierarchical Control Framework

要約

この作業では、強化学習（RL）エージェントを使用してモデルベースの制御方法を強化し、停止した航空操作プラットフォームでスイングアップ操作を実証する新しいアプローチを提示します。
これらのプラットフォームは、クレーンを含む建設現場の幅広いアプリケーションを対象としています。スイングアップ操作により、純粋にプラットフォームの推力力ではアクセスできません。
提案されたアプローチは、階層制御フレームワークに基づいており、割り当てられた優先順位に従って異なるタスクを実行できるようにします。
その後、RLエージェントが利用され、低優先度タスクの参照セットポイントを調整してスイングアップ操作を実行します。これは、特定の方向とエンド効果の位置を維持するなど、より優先度の高いタスクのヌルスペースに限定されます。
私たちのアプローチは、広範な数値シミュレーション研究を使用して検証されています。

要約(オリジナル)

In this work, we present a novel approach to augment a model-based control method with a reinforcement learning (RL) agent and demonstrate a swing-up maneuver with a suspended aerial manipulation platform. These platforms are targeted towards a wide range of applications on construction sites involving cranes, with swing-up maneuvers allowing it to perch at a given location, inaccessible with purely the thrust force of the platform. Our proposed approach is based on a hierarchical control framework, which allows different tasks to be executed according to their assigned priorities. An RL agent is then subsequently utilized to adjust the reference set-point of the lower-priority tasks to perform the swing-up maneuver, which is confined in the nullspace of the higher-priority tasks, such as maintaining a specific orientation and position of the end-effector. Our approach is validated using extensive numerical simulation studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google