Evolving Spiking Neural Networks to Mimic PID Control for Autonomous Blimps

要約

近年、人工ニューラル ネットワーク (ANN) がロボット制御の標準となっています。
ただし、大規模な ANN の重大な欠点は、消費電力が増加することです。
出力と重量に対する厳しい制約を考慮すると、自律型航空機を設計する場合、これは重大な懸念事項になります。
特に耐久性が高いことで知られる飛行船の場合、電力効率の高い制御方法が不可欠です。
スパイキング ニューラル ネットワーク (SNN) は、エネルギー効率の高い非同期のイベント駆動型処理を促進するソリューションを提供します。
この論文では、搭載されたセンシング能力と処理能力のみに依存して、非中立浮力屋内飛行船の正確な高度制御を実現するために SNN を進化させました。
飛行船の高度追跡性能は以前の研究と比較して大幅に向上し、振動が減少し、定常状態誤差が最小限に抑えられたことが示されました。
SNN のパラメーターは、比例微分積分 (PID) コントローラーをターゲット信号として使用し、進化的アルゴリズムによって最適化されました。
私たちは、さまざまな隠れ層構造を検討しながら、2 つの相補的な SNN コントローラーを開発しました。
1 つ目のコントローラーは制御エラーに迅速に応答してオーバーシュートや振動を軽減し、2 つ目のコントローラーは非中立浮力によるドリフトによる定常状態のエラーを最小限に抑えます。
飛行船のドライブトレインの制限にもかかわらず、当社の SNN コントローラーは、わずか 160 個のスパイキング ニューロンを使用して、安定した高度制御を保証しました。

要約(オリジナル)

In recent years, Artificial Neural Networks (ANN) have become a standard in robotic control. However, a significant drawback of large-scale ANNs is their increased power consumption. This becomes a critical concern when designing autonomous aerial vehicles, given the stringent constraints on power and weight. Especially in the case of blimps, known for their extended endurance, power-efficient control methods are essential. Spiking neural networks (SNN) can provide a solution, facilitating energy-efficient and asynchronous event-driven processing. In this paper, we have evolved SNNs for accurate altitude control of a non-neutrally buoyant indoor blimp, relying solely on onboard sensing and processing power. The blimp’s altitude tracking performance significantly improved compared to prior research, showing reduced oscillations and a minimal steady-state error. The parameters of the SNNs were optimized via an evolutionary algorithm, using a Proportional-Derivative-Integral (PID) controller as the target signal. We developed two complementary SNN controllers while examining various hidden layer structures. The first controller responds swiftly to control errors, mitigating overshooting and oscillations, while the second minimizes steady-state errors due to non-neutral buoyancy-induced drift. Despite the blimp’s drivetrain limitations, our SNN controllers ensured stable altitude control, employing only 160 spiking neurons.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google