Reinforcement Learning Driven Cooperative Ball Balance in Rigidly Coupled Drones

要約

マルチドローン協調輸送 (CT) 問題は、文献で広く研究されています。
しかし、時間とともに変化する重心（CG）など、時間とともに変化する不確実性が存在する場合のそのようなシステムの制御に関する研究は限られています。
この論文では、時変 CG を使用したマルチドローン CT システムの制御のためのリーダー/フォロワー アプローチを紹介します。
リーダーは従来の比例・積分・微分 (PID) コントローラーを使用し、対照的に、フォロワーはローカル情報と最小限のリーダー情報のみを使用する深層強化学習 (RL) コントローラーを使用します。
広範なシミュレーション結果が提示され、以前に開発された適応コントローラに対する提案手法の有効性、および輸送される物体の質量と CG 速度の変動に対する有効性が示されています。
予備的な実験作業では、2 台の Crazyflie ドローンが協力して持ち上げたスティック/ロッド上のボール バランス (動く CG を描写) も実証されています。

要約(オリジナル)

Multi-drone cooperative transport (CT) problem has been widely studied in the literature. However, limited work exists on control of such systems in the presence of time-varying uncertainties, such as the time-varying center of gravity (CG). This paper presents a leader-follower approach for the control of a multi-drone CT system with time-varying CG. The leader uses a traditional Proportional-Integral-Derivative (PID) controller, and in contrast, the follower uses a deep reinforcement learning (RL) controller using only local information and minimal leader information. Extensive simulation results are presented, showing the effectiveness of the proposed method over a previously developed adaptive controller and for variations in the mass of the objects being transported and CG speeds. Preliminary experimental work also demonstrates ball balance (depicting moving CG) on a stick/rod lifted by two Crazyflie drones cooperatively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google