MorphoLander: Reinforcement Learning Based Landing of a Group of Drones on the Adaptive Morphogenetic UAV

要約

この論文では、不整地環境を探索するための異種ドローンの群れを表す新しいロボット システム MorphoLander に焦点を当てます。
形態形成リーダードローンは、平坦でない地形に着陸し、横断し、水平位置を維持して、広範囲のエリアを探索するために小型のドローンを展開することができます。
タスクを完了した後、これらのドローンは戻ってきて、MorphoGear の着陸パッドに着陸します。
強化学習アルゴリズムは、ミッション中に静止したまま、または新しい位置に再配置されるリーダー ロボットにドローンを正確に着陸させるために開発されました。
平らな地形条件と不均一な地形条件の両方で、開発された着陸アルゴリズムのパフォーマンスを評価するために、いくつかの実験が行われました。
実験の結果、提案したシステムにより、平坦な地形条件ではリーダードローンに着陸した場合に0.5 cm、不整地条件では2.35 cmという高い着陸精度が得られることがわかりました。
MorphoLander は、非常に乱雑で構造化されていない環境での産業検査、地震調査、救助活動の効率を大幅に向上させる可能性があります。

要約(オリジナル)

This paper focuses on a novel robotic system MorphoLander representing heterogeneous swarm of drones for exploring rough terrain environments. The morphogenetic leader drone is capable of landing on uneven terrain, traversing it, and maintaining horizontal position to deploy smaller drones for extensive area exploration. After completing their tasks, these drones return and land back on the landing pads of MorphoGear. The reinforcement learning algorithm was developed for a precise landing of drones on the leader robot that either remains static during their mission or relocates to the new position. Several experiments were conducted to evaluate the performance of the developed landing algorithm under both even and uneven terrain conditions. The experiments revealed that the proposed system results in high landing accuracy of 0.5 cm when landing on the leader drone under even terrain conditions and 2.35 cm under uneven terrain conditions. MorphoLander has the potential to significantly enhance the efficiency of the industrial inspections, seismic surveys, and rescue missions in highly cluttered and unstructured environments.

arxiv情報

著者 Sausar Karaf,Aleksey Fedoseev,Mikhail Martynov,Zhanibek Darush,Aleksei Shcherbak,Dzmitry Tsetserukou
発行日 2023-07-26 12:22:23+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク