文献

J-GLOBAL ID：201902238263270016   整理番号：19A1961986

ニューラル着陸機:学習ダイナミクスを用いた安定なドローン着陸制御【JST・京大機械翻訳】

Neural Lander: Stable Drone Landing Control Using Learned Dynamics

著者 (8件)： Shi Guanya (California Institute of Technology) ,  Shi Xichen (California Institute of Technology) ,  O’Connell Michael (California Institute of Technology) ,  Yu Rose (Northeastern University) ,  Azizzadenesheli Kamyar (University of California, Irvine) ,  Anandkumar Animashree (California Institute of Technology) ,  Yue Yisong (California Institute of Technology) ,  Chung Soon-Jo (California Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICRA  ページ： 9784-9790  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルチロータの空気流と環境の間の相互作用によって引き起こされる複雑な空力効果のために,正確な近地軌道制御は,マルチロータ・ドロロンにとって困難である。従来の制御方法は,しばしばこれらの複雑な影響を適切に説明することができず,滑らかな着陸を達成することにおいて短くなる。本論文では,着陸中の方形ロータの制御性能を改善する新しい深い学習ベースのロバスト非線形制御装置(Neural-Lander)を提案した。著者らのアプローチは,高次相互作用を学習するDeepニューラルネットワーク(DNN)と公称動力学モデルを結合する。DNNのLipschitz定数を制約するためにスペクトル正規化(SN)を適用した。このLipschitz特性を活用して,学習したモデルを用いて非線形フィードバック線形化制御装置を設計し,擾乱排除によるシステム安定性を証明した。著者らの知る限りでは,これは,任意の大きなニューラルネットを利用できる安定性保証を有する最初のDNNベースの非線形フィードバック制御装置である。実験結果は,提案した制御装置が,着陸と交差テーブル軌道追跡事例の両方において,Baseline非線形追跡制御装置より著しく優れていることを実証した。また,DNNは訓練領域の外側では見られないデータによく一般化されることを経験的に示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  制御方式 ,  空気力学 ,  *無人機 ,  *着陸機 ,  正規化 ,  ロバスト性 ,  *着陸 ,  相互作用 ,  制御装置 ,  ニューラルネットワーク ,  空気流 ,  スペクトル
準シソーラス用語： 軌道追跡 ,  マルチロータヘリコプター , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 着陸機 ,  学習 ,  ダイナミクス ,  ドローン ,  着陸