文献

J-GLOBAL ID：202202217293941519   整理番号：22A0653772

可変掃引翼UAVのパーチ着陸のための強化学習コントローラへのスロットルの統合【JST・京大機械翻訳】

Integrating Throttle into a Reinforcement Learning Controller for a Perched Landing of a Variable Sweep Wing UAV

著者 (4件)： Fletcher Liam J. (University of Bristol) ,  Clarke Robert J. (University of Bristol) ,  Richardson Thomas S. (University of Bristol) ,  Hansen Mark (Bristol Robotics Laboratory)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 1288  発行年： 2022年 
JST資料番号： H0236B  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： 本論文では,強化学習(RL)を用いて,可変スイープ非しわ空気車両(UAV)のパーチング操作を制御するための訓練とシミュレーションと実験結果について詳述した。これは,RL制御器が操縦の初期位相中のスロットルカットオフ点を決定するのを可能にすることにより,著者による以前の研究に関するものである。この追加制御は,このシステムがベースラインモデルよりも大幅に改善された性能を示すことを可能にした。シミュレーションにおいて,スロットルの添加は,8m/sのヘッド風の下で5xの性能改善を示した。同様の改善が,大きな頭風を有する挑戦的な実世界条件で見られた。様々な実世界飛行条件の下での訓練されたエージェントの更なる試験は,初期の結果を確認するのを助けるであろう。スロットル制御のさらなる程度も性能を改善するが,かなり改善された数値モデルを必要とする。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 制御装置 ,  制御 ,  *着陸 ,  可変性 ,  モデル ,  位相 ,  飛翔 ,  基準線 ,  エージェント ,  *強化学習
準シソーラス用語： 数値モデル ,  パーチ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 可変 ,  掃引 ,  翼 ,  UAV ,  パーチ ,  着陸 ,  強化学習 ,  コントローラ ,  統合