SO(2)-Equivariant Downwash Models for Close Proximity Flight

要約

近接して飛行するマルチローターは、プロペラのダウンウォッシュを通じて相互に空気力学的な後流効果を引き起こします。
従来の方法では、高密度の編隊を展開するための堅牢な制御パラダイムに組み込むことができる、適切な 3D 力ベースのモデルを提供することができませんでした。
したがって、これらのダウンウォッシュ パターンのモデルを学習すると、魅力的な解決策が得られます。
この論文では、問題に存在する潜在的な幾何学形状 (つまり、対称性) を利用する、ダウンウォッシュ力をモデル化するための新しい学習ベースのアプローチを紹介します。
わずか 5 分間の実世界の飛行データでトレーニングした場合、ジオメトリ認識モデルは 15 分以上のデータでトレーニングした最先端のベースライン モデルよりも優れたパフォーマンスを発揮することを実証しました。
2 台の車両による高密度の現実世界のフライトでは、モデルをオンラインで展開すると、3D 軌道追跡が平均で 36% 近く向上します (垂直追跡は 56% 向上します)。

要約(オリジナル)

Multirotors flying in close proximity induce aerodynamic wake effects on each other through propeller downwash. Conventional methods have fallen short of providing adequate 3D force-based models that can be incorporated into robust control paradigms for deploying dense formations. Thus, learning a model for these downwash patterns presents an attractive solution. In this paper, we present a novel learning-based approach for modelling the downwash forces that exploits the latent geometries (i.e. symmetries) present in the problem. We demonstrate that when trained with only 5 minutes of real-world flight data, our geometry-aware model outperforms state-of-the-art baseline models trained with more than 15 minutes of data. In dense real-world flights with two vehicles, deploying our model online improves 3D trajectory tracking by nearly 36% on average (and vertical tracking by 56%).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google