Learning to Fly Omnidirectional Micro Aerial Vehicles with an End-To-End Control Network

要約

過作動ティルトロータープラットフォームには、従来の固定アームドローンに比べて多くの利点があり、加えられた力をロボットの姿勢から切り離すことができます。
これにより、アプリケーション領域が空中インタラクションや操作に拡張され、コントローラーが利用できる追加の自由度を活用することで、地面や壁の影響などによる外乱を克服できるようになります。
ただし、特にアームを傾けるモーターのダイナミクスがプロペラを回転させるモーターよりも遅い場合、過作動によって制御の問題も複雑になります。
これらすべての微妙な点を考慮した複雑なモデルベースのコントローラーを構築する代わりに、強化学習を使用してエンドツーエンドの姿勢コントローラーを学習し、慣性および力の外乱が存在する場合に、慣性および力の外乱が存在する場合にその優れた動作を示すことを試みます。
最先端の伝統的なコントローラー。

要約(オリジナル)

Overactuated tilt-rotor platforms offer many advantages over traditional fixed-arm drones, allowing the decoupling of the applied force from the attitude of the robot. This expands their application areas to aerial interaction and manipulation, and allows them to overcome disturbances such as from ground or wall effects by exploiting the additional degrees of freedom available to their controllers. However, the overactuation also complicates the control problem, especially if the motors that tilt the arms have slower dynamics than those spinning the propellers. Instead of building a complex model-based controller that takes all of these subtleties into account, we attempt to learn an end-to-end pose controller using reinforcement learning, and show its superior behavior in the presence of inertial and force disturbances compared to a state-of-the-art traditional controller.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google