Fugu-MT 論文翻訳(概要): Mid-flight Propeller Failure Detection and Control of Propeller-deficient Quadcopter using Reinforcement Learning

論文の概要: Mid-flight Propeller Failure Detection and Control of Propeller-deficient Quadcopter using Reinforcement Learning

arxiv url: http://arxiv.org/abs/2002.11564v2
Date: Mon, 6 Jul 2020 11:31:05 GMT
ステータス: 翻訳完了
システム内更新日: 2022-12-28 16:00:04.174565
Title: Mid-flight Propeller Failure Detection and Control of Propeller-deficient Quadcopter using Reinforcement Learning
Title（参考訳）: 強化学習を用いたプロペラ欠損クワッドコプターの飛行中プロペラ故障検出と制御
Abstract要約: 本稿では,4,3,2個のプロペラを備えたクアッドコプタ用強化学習型制御器を提案する。また,プロペラの損失を検知し,適切な制御器に切り替えるニューラルネットワークベースのプロペラ故障検出システムを提案する。
参考スコア（独自算出の注目度）: 0.2578242050187029
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quadcopters can suffer from loss of propellers in mid-flight, thus requiring a need to have a system that detects single and multiple propeller failures and an adaptive controller that stabilizes the propeller-deficient quadcopter. This paper presents reinforcement learning based controllers for quadcopters with 4, 3, and 2 (opposing) functional propellers. The paper also proposes a neural network based propeller fault detection system to detect propeller loss and switch to the appropriate controller. The simulation results demonstrate a stable quadcopter with efficient waypoint tracking for all controllers. The detection system is able to detect propeller failure in a short time and stabilize the quadcopter.
Abstract（参考訳）: クワッドコプターは飛行中にプロペラの損失を被る可能性があるため、単発および複数回のプロペラ故障を検知するシステムと、プロペラ不足のクワッドコプターを安定化するアダプティブコントローラが必要である。本稿では,4,3,2機能プロペラを有するクアッドコプタ用強化学習型制御器について述べる。また,プロペラの損失を検出し,適切な制御器に切り替えるニューラルネットワークベースのプロペラ故障検出システムを提案する。シミュレーション結果は、全てのコントローラに対して効率的なウェイポイントトラッキングを備えた安定したクワッドコプターを示す。検出システムは、プロペラ故障を短時間で検出し、クワッドコプターを安定化することができる。

関連論文リスト

HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight [46.42648821424623]
トンボの翼のノダス構造にインスパイアされた腕を持つ四重奏曲HoLoArmについて述べる。結果は、HoLoArmが軸方向を含む任意の方向に受動的に変形し、衝撃の方向とレベルに応じて0.3～0.6秒以内で回復可能であることを示した。ドローンは最大7.6m/sの速度で衝突に耐え、安定した飛行を維持しながら540gのペイロードを運ぶことができる。
論文参考訳（メタデータ） (2026-05-25T12:37:18Z)
Aero-World: Action-Conditioned Aerial Video Generation from Inertial Controls [57.166020875486474]
我々は,事前学習した画像から映像への拡散モデルを制御可能な空中ビデオ生成装置に変換する方法であるtextbfAero-World を提案する。実ビデオ-IMUペアで独立して訓練された冷凍潜伏空間物理学プローブは、LoRA微調整中に慣性・一貫性の異なる監視を提供する。 AeroBenchでは、アクションのみの微調整で平均AASを57.7から63.6に改善し、AirScapeよりも優れた品質制御トレードオフを提供する。
論文参考訳（メタデータ） (2026-05-19T12:02:17Z)
How to Model Your Crazyflie Brushless [50.54424040768484]
2025年初め、クラジフリー・ブラシレスが登場し、ブラシレスモーターで推力は約50%向上した。この研究はクレイジーフリー・ブラシレスの力学モデルを示し、その重要なパラメータを同定する。ニューラルネットワーク位置制御器を訓練し、バックフリップ制御器を学習することにより、強化学習アプリケーションに適していることを示す。
論文参考訳（メタデータ） (2026-03-06T06:21:39Z)
A 26-Gram Butterfly-Inspired Robot Achieving Autonomous Tailless Flight [61.21669716392821]
textitAirPulseは、26グラムの蝶にインスパイアされたロボットで、このスケールで尾のない二翼プラットフォームのために、初めてオンボードでクローズドループ制御飛行を行う。蝶の飛行における重要な生体力学的特性を再現し、低アスペクト比、炭素繊維強化翼の適合性、および特徴的な生物学的身体の起伏を再現する低周波の羽ばたきを利用する。
論文参考訳（メタデータ） (2026-02-06T15:58:50Z)
Improving Wind Resistance Performance of Cascaded PID Controlled Quadcopters using Residual Reinforcement Learning [0.0]
風力抵抗制御は、目標位置からの逸脱を避けるために、クワッドコプターが位置を維持するために欠かせない特徴である。クワッドコプターの耐風性制御系を構築するための残留強化学習に基づく手法を提案する。従来のケースドPIDコントローラで制御されたクワッドコプターと比較して,制御器の位置ずれを約50%低減する。
論文参考訳（メタデータ） (2023-08-03T09:29:19Z)
The eyes and hearts of UAV pilots: observations of physiological responses in real-life scenarios [64.0476282000118]
民間機や軍用機では、パイロットはリアルなシミュレーターで自分の反応や反射を調整できる。この作業は、現場でパイロットの行動を収集し、パフォーマンスを向上させるソリューションを提供することを目的としています。
論文参考訳（メタデータ） (2022-10-26T14:16:56Z)
TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
論文参考訳（メタデータ） (2022-10-16T03:05:13Z)
Learning a Single Near-hover Position Controller for Vastly Different Quadcopters [56.37274861303324]
本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。また、実行中に未知の障害に迅速に適応する。
論文参考訳（メタデータ） (2022-09-19T17:55:05Z)
Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文参考訳（メタデータ） (2022-05-13T21:55:28Z)
Extended Abstract Version: CNN-based Human Detection System for UAVs in Search and Rescue [0.0]
本稿では,畳み込みニューラルネットワークとQuadcopterハードウェアプラットフォームを用いて,人間の探索と検出を行う手法を提案する。 Raspberry Pi Bに事前訓練されたCNNモデルを適用し、Quadcopterの底部に1台のカメラを設置する。実験の結果、Raspberry Pi Bの処理速度は3fpsだった。
論文参考訳（メタデータ） (2021-11-04T13:57:20Z)
CNN-based Human Detection for UAVs in Search and Rescue [0.0]
本稿では,畳み込み型ニューラルネットワーク技術を用いて,被害者の探索と検出を行う手法を提案する。この研究で使用されるモデルは事前訓練されたモデルであり、クアッドコプターに取り付けられたRaspberry PiモデルB上でのテストに適用される。実験の結果、Quadcopterは安定して飛行でき、SSDモデルは3fpsの処理速度でRaspberry PiモデルBでうまく動作することがわかった。
論文参考訳（メタデータ） (2021-10-05T10:43:10Z)
Developmental Reinforcement Learning of Control Policy of a Quadcopter UAV with Thrust Vectoring Rotors [1.0057838324294686]
推力ベクター機能を有するクアッドコプターのための新規な強化学習型制御器を提案する。このロボットの制御方針は、学習したクワッドコプターの制御装置からポリシー伝達を用いて学習される。学習方針の性能は、ホバリングとウェイポイントナビゲーションのタスクの物理シミュレーションにより評価される。
論文参考訳（メタデータ） (2020-07-15T16:17:29Z)
Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
制御戦略は姿勢と速度安定化に基づいている。 RNNは高非線形空力項の推定に用いられる。その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
論文参考訳（メタデータ） (2020-06-29T21:33:30Z)
Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
論文参考訳（メタデータ） (2020-06-19T08:58:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。