Learning a Single Near-hover Position Controller for Vastly Different Quadcopters

要約

タイトル: 異なるクアッドコプターのための単一の近接ホバー位置コントローラーの学習

要約: この論文では、非常に異なる質量、サイズ、モーター定数を持つクアッドコプターに展開できる適応型近接ホバー位置コントローラーを提案し、運転中の未知の擾乱にも迅速に適応することを示しています。アルゴリズムの中核となる考え方は、ドローンに適用される擾乱だけでなく、ロボットのダイナミクスやハードウェアにも、同じフレームワークでテスト時にオンラインに適応できる単一の方針を学ぶことです。これを実現するために、ロボットと環境パラメーターの潜在表現を推定するニューラルネットワークをトレーニングし、コントローラーの動作を条件づけるために使用することができます。我々は、目標位置にクアッドコプターを飛行させ、地面に衝突するのを避けることを目的として、シミュレーションで両方のネットワークをトレーニングしました。我々は、質量、サイズ、モーター、プロペラの質量に4.5倍の差がある2つのクアッドコプターに、同じコントローラーを変更せずに直接展開しました。また、クアッドコプターの質量の3分の1までの急激な大きな擾乱にも迅速に適応することを示しました。シミュレーションと物理世界の両方で詳細な評価を行い、プラットフォーム別に特別に調整された最新の学習ベースの適応型コントローラーと従来のPIDコントローラーを上回りました。ビデオの結果は、 https://youtu.be/U-c-LbTfvoA にあります。

– クアッドコプター用の適応型近接ホバー位置コントローラーを提案
– 異なる質量、サイズ、モーター定数を持つクアッドコプターに展開
– ランタイム中の未知の擾乱にも迅速に適応
– ニューラルネットワークをトレーニングし、ロボットと環境パラメーターの潜在表現を推定
– 質量の4.5倍の差がある2つのクアッドコプターに、同じコントローラーを変更せずに直接展開
– 質量の3分の1までの急激な大きな擾乱にも迅速に適応
– シミュレーションと物理世界の両方で詳細な評価を行い、最新の学習ベースの適応型コントローラーと従来のPIDコントローラーを上回った

要約(オリジナル)

This paper proposes an adaptive near-hover position controller for quadcopters, which can be deployed to quadcopters of very different mass, size and motor constants, and also shows rapid adaptation to unknown disturbances during runtime. The core algorithmic idea is to learn a single policy that can adapt online at test time not only to the disturbances applied to the drone, but also to the robot dynamics and hardware in the same framework. We achieve this by training a neural network to estimate a latent representation of the robot and environment parameters, which is used to condition the behaviour of the controller, also represented as a neural network. We train both networks exclusively in simulation with the goal of flying the quadcopters to goal positions and avoiding crashes to the ground. We directly deploy the same controller trained in the simulation without any modifications on two quadcopters in the real world with differences in mass, size, motors, and propellers with mass differing by 4.5 times. In addition, we show rapid adaptation to sudden and large disturbances up to one-third of the mass of the quadcopters. We perform an extensive evaluation in both simulation and the physical world, where we outperform a state-of-the-art learning-based adaptive controller and a traditional PID controller specifically tuned to each platform individually. Video results can be found at https://youtu.be/U-c-LbTfvoA.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI