DRAL: Deep Reinforcement Adaptive Learning for Multi-UAVs Navigation in Unknown Indoor Environment

要約

UAV の自律的な屋内ナビゲーションには、主に密閉環境における GPS の精度の限界により、多くの課題が生じます。
さらに、オーバーハイトパッケージなどの重いセンサーや電力集約型のセンサーを搭載できる UAV の能力は限られているため、屋内での自律ナビゲーションを実現することの難しさがさらに高まります。
この論文では、ドローンが屋内空間を自律的に移動し、1 台のカメラのみを使用して、未知の Amazon 小包などの特定のターゲットの位置を特定する高度なシステムを紹介します。
深層学習アプローチを採用し、深層強化適応学習アルゴリズムは、熟練パイロットの意思決定プロセスをエミュレートする制御戦略を開発するようにトレーニングされます。
さまざまな屋内設定で実行されるリアルタイム シミュレーションを通じて、システムの有効性を実証します。
私たちは複数の視覚化手法を適用して、トレーニングされたネットワークについてより深い洞察を獲得します。
さらに、私たちはアプローチを拡張して、複数のドローンを調整して屋内環境内の物体を共同で持ち上げるための適応制御アルゴリズムを組み込みます。
当社の DRAL アルゴリズムを統合することで、複数の UAV が動的条件や不確実性に適応する最適な制御戦略を学習できるようになります。
この革新により、屋内ナビゲーションの堅牢性と柔軟性が強化され、限られた空間での複雑なマルチドローン操作の新たな可能性が開かれます。
提案されたフレームワークは、適応制御と深層強化学習の大幅な進歩を強調し、現実世界のアプリケーションにおける複雑なマルチエージェント システムに堅牢なソリューションを提供します。

要約(オリジナル)

Autonomous indoor navigation of UAVs presents numerous challenges, primarily due to the limited precision of GPS in enclosed environments. Additionally, UAVs’ limited capacity to carry heavy or power-intensive sensors, such as overheight packages, exacerbates the difficulty of achieving autonomous navigation indoors. This paper introduces an advanced system in which a drone autonomously navigates indoor spaces to locate a specific target, such as an unknown Amazon package, using only a single camera. Employing a deep learning approach, a deep reinforcement adaptive learning algorithm is trained to develop a control strategy that emulates the decision-making process of an expert pilot. We demonstrate the efficacy of our system through real-time simulations conducted in various indoor settings. We apply multiple visualization techniques to gain deeper insights into our trained network. Furthermore, we extend our approach to include an adaptive control algorithm for coordinating multiple drones to lift an object in an indoor environment collaboratively. Integrating our DRAL algorithm enables multiple UAVs to learn optimal control strategies that adapt to dynamic conditions and uncertainties. This innovation enhances the robustness and flexibility of indoor navigation and opens new possibilities for complex multi-drone operations in confined spaces. The proposed framework highlights significant advancements in adaptive control and deep reinforcement learning, offering robust solutions for complex multi-agent systems in real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google