Data-Driven Dynamics Modeling of Miniature Robotic Blimps Using Neural ODEs With Parameter Auto-Tuning

要約

空気より軽い航空機の一種である小型ロボット飛行船は、クアッドローターと比較して安全性が向上し、耐久性が向上し、動作が静かであるため、科学および工学界でますます注目を集めています。
これらのロボット飛行船のダイナミクスを正確にモデル化することは、その大きな揚力体から生じる複雑な空気力学のため、大きな課題となります。
従来の第一原理モデルでは、正確な空気力学パラメータを取得することが難しく、高次の非線形性を見落とすことが多いため、小型ロボット飛行船の運動力学をモデル化するのは限界に達しています。
この課題に取り組むために、このレターでは、第一原理とニューラル ネットワーク モデリングを統合したデータ駆動型アプローチである自動チューニング飛行船指向ニューラル常微分方程式法 (ABNODE) を提案します。
ロボット飛行船の螺旋運動実験が行われ、ABNODE を第一原理およびその他のデータ駆動型ベンチマーク モデルと比較し、その結果は提案された方法の有効性を実証します。

要約(オリジナル)

Miniature robotic blimps, as one type of lighter-than-air aerial vehicles, have attracted increasing attention in the science and engineering community for their enhanced safety, extended endurance, and quieter operation compared to quadrotors. Accurately modeling the dynamics of these robotic blimps poses a significant challenge due to the complex aerodynamics stemming from their large lifting bodies. Traditional first-principle models have difficulty obtaining accurate aerodynamic parameters and often overlook high-order nonlinearities, thus coming to its limit in modeling the motion dynamics of miniature robotic blimps. To tackle this challenge, this letter proposes the Auto-tuning Blimp-oriented Neural Ordinary Differential Equation method (ABNODE), a data-driven approach that integrates first-principle and neural network modeling. Spiraling motion experiments of robotic blimps are conducted, comparing the ABNODE with first-principle and other data-driven benchmark models, the results of which demonstrate the effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google