クラッタ環境における最小時間飛行の学習【JST・京大機械翻訳】

Penicka Robert; Song Yunlong; Kaufmann Elia; Scaramuzza Davide

プレプリント

J-GLOBAL ID：202202212693460451 整理番号：22P0311702

クラッタ環境における最小時間飛行の学習【JST・京大機械翻訳】

Learning Minimum-Time Flight in Cluttered Environments

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2022年06月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

完全四分ロータ動力学を利用しながら,障害物の存在における一連の方法点を通して,四ロータに対する最小時間飛行の問題に取り組んだ。初期研究は,4ロータのフルアクチュエータポテンシャルを利用しない単純化動力学または多項式軌跡表現に依存し,従って,準最適解をもたらした。最近の研究は最小時間軌道を計画できる。しかし,軌道は障害物を考慮しない制御法で実行される。このように,そのような軌跡の成功裏の実行は,モデル不整合と飛行中の擾乱により誤差の傾向がある。この目的のために,著者らは,クラッタ環境における最小時間4ロータ飛行のためのロバストニューラルネットワーク制御装置を訓練するために,深い強化学習と古典的トポロジー経路計画を利用した。得られたニューラルネットワーク制御装置は,最高19%の最先端技術に対して,実質的に優れた性能を示した。さらに重要なことに,学習された政策は,外乱を説明するためにオンラインで計画と制御問題を同時に解決し,その結果,はるかに高いロバスト性を達成した。このように,提示した方法は,衝突のない飛行最小時間政策の100%の成功率を達成し,一方,従来の計画と制御アプローチは,わずか40%を達成した。提案方法を,42km/hまでの4ロータ速度と3.6gの加速度で,シミュレーションと実世界の両方で検証した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

運航技術 , 操縦・制御系統

, , ,

前のページに戻る