Autonomous Drone Racing: Time-Optimal Spatial Iterative Learning Control within a Virtual Tube

要約

ドローンは効率を上げるために、配達、撮影、救助を最短時間で完了することが必要な場合が多い。
多くの自律型ドローンレースは、上記の目的のために、できるだけ早くレースを終了するためのアルゴリズムを追求するプラットフォームを提供しています。
残念なことに、既存の方法では、ドローンレース競技においてトレーニングやレース時間を短く抑えることができないことがよくあります。
これは、トップレーシングドライバーのトレーニング経験を模倣することにより、高効率の学習方法を開発する動機となっています。
正確な追跡を目的とした従来の反復学習制御手法とは異なり、提案されたアプローチは、できるだけ早くレースを終了するためにオンラインで軌道を反復学習します。
さまざまなモデルを使用したシミュレーションと実験により、提案されたアプローチはモデルフリーであり、低い計算要件で最適な結果を達成できることが示されています。
さらに、このアプローチは、ベンチマークのドローンレースプラットフォームでのレースタイムにおいて、いくつかの最先端の方法を上回っています。
その有効性を実証するために、実際のクアッドコプターでの実験も行われます。

要約(オリジナル)

It is often necessary for drones to complete delivery, photography, and rescue in the shortest time to increase efficiency. Many autonomous drone races provide platforms to pursue algorithms to finish races as quickly as possible for the above purpose. Unfortunately, existing methods often fail to keep training and racing time short in drone racing competitions. This motivates us to develop a high-efficient learning method by imitating the training experience of top racing drivers. Unlike traditional iterative learning control methods for accurate tracking, the proposed approach iteratively learns a trajectory online to finish the race as quickly as possible. Simulations and experiments using different models show that the proposed approach is model-free and is able to achieve the optimal result with low computation requirements. Furthermore, this approach surpasses some state-of-the-art methods in racing time on a benchmark drone racing platform. An experiment on a real quadcopter is also performed to demonstrate its effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google