Control-Aware Trajectory Predictions for Communication-Efficient Drone Swarm Coordination in Cluttered Environments

要約

無人航空機 (UAV) の群れは、多くの産業および商業用途で大きな可能性を実証してきました。
ただし、UAV を現実世界に配備する前に、複雑な環境、特に通信機能が限られた環境でも安全に動作できることを確認することが不可欠です。
この課題に対処するために、乱雑な環境において通信効率の高い UAV 群制御を可能にする、制御を意識した学習ベースの軌道予測アルゴリズムを提案します。
具体的には、私たちが提案するアルゴリズムにより、各 UAV がさまざまなレベルの通信機能を備えたシナリオで近隣の UAV の計画された軌道を予測できるようになります。
予測された計画軌道は、分散モデル予測制御 (DMPC) アプローチへの入力として機能します。
提案アルゴリズムは、(1) 変分オートエンコーダに基づく軌道圧縮および再構成モデ​​ル、(2) 動的グラフを処理できるグラフ畳み込みネットワーク (GCN) EvolveGCN に基づく軌道予測モデル、および (3) KKT を組み合わせたものです。
トレーニング プロセスに Karush-Kuhn-Tucker (KKT) 条件を適用して、トレーニングされたニューラル ネットワークに DMPC 情報をエンコードする、インフォームド トレーニング アプローチ。
提案したアルゴリズムをファネルのような環境で評価します。
結果は、提案されたアルゴリズムが最先端のベンチマークを上回り、最適に近い制御パフォーマンスと、限られた通信能力と測定ノイズに対する堅牢性を提供することを示しています。

要約(オリジナル)

Swarms of Unmanned Aerial Vehicles (UAV) have demonstrated enormous potential in many industrial and commercial applications. However, before deploying UAVs in the real world, it is essential to ensure they can operate safely in complex environments, especially with limited communication capabilities. To address this challenge, we propose a control-aware learning-based trajectory prediction algorithm that can enable communication-efficient UAV swarm control in a cluttered environment. Specifically, our proposed algorithm can enable each UAV to predict the planned trajectories of its neighbors in scenarios with various levels of communication capabilities. The predicted planned trajectories will serve as input to a distributed model predictive control (DMPC) approach. The proposed algorithm combines (1) a trajectory compression and reconstruction model based on Variational Auto-Encoder, (2) a trajectory prediction model based on EvolveGCN, a graph convolutional network (GCN) that can handle dynamic graphs, and (3) a KKT-informed training approach that applies the Karush-Kuhn-Tucker (KKT) conditions in the training process to encode DMPC information into the trained neural network. We evaluate our proposed algorithm in a funnel-like environment. Results show that the proposed algorithm outperforms state-of-the-art benchmarks, providing close-to-optimal control performance and robustness to limited communication capabilities and measurement noises.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google