論文の概要: Touch the Wind: Simultaneous Airflow, Drag and Interaction Sensing on a
Multirotor
- arxiv url: http://arxiv.org/abs/2003.02305v1
- Date: Wed, 4 Mar 2020 19:43:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 13:53:00.139317
- Title: Touch the Wind: Simultaneous Airflow, Drag and Interaction Sensing on a
Multirotor
- Title（参考訳）: 風に触る:マルチロータ上の同時気流, ドラッグ, インタラクションセンシング
- Authors: Andrea Tagliabue (1), Aleix Paris (1), Suhan Kim (2), Regan Kubicek
(2), Sarah Bergbreiter (2), Jonathan P. How (1) ((1) Massachusetts Institute
of Technology, (2) Carnegie Mellon University)
- Abstract要約: マイクロ空力車(MAV)の外乱推定は、堅牢性と安全性に不可欠である。
バイオインスパイアされた新しい気流センサを用いてMAVに作用する気流を測定する。
我々はこの情報をUKF(Unscented Kalman Filter)に融合させ、3次元の風力ベクトル、ドラッグ力、その他の相互作用力を推定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Disturbance estimation for Micro Aerial Vehicles (MAVs) is crucial for
robustness and safety. In this paper, we use novel, bio-inspired airflow
sensors to measure the airflow acting on a MAV, and we fuse this information in
an Unscented Kalman Filter (UKF) to simultaneously estimate the
three-dimensional wind vector, the drag force, and other interaction forces
(e.g. due to collisions, interaction with a human) acting on the robot. To this
end, we present and compare a fully model-based and a deep learning-based
strategy. The model-based approach considers the MAV and airflow sensor
dynamics and its interaction with the wind, while the deep learning-based
strategy uses a Long Short-Term Memory (LSTM) neural network to obtain an
estimate of the relative airflow, which is then fused in the proposed filter.
We validate our methods in hardware experiments, showing that we can accurately
estimate relative airflow of up to 4 m/s, and we can differentiate drag and
interaction force.
- Abstract（参考訳）: マイクロ空力車(MAV)の外乱推定は、堅牢性と安全性に不可欠である。
本稿では,MAVに作用する気流をバイオインスパイアした新しい気流センサを用いて計測し,この情報をUKF(Unscented Kalman Filter)に融合して,ロボットに作用する3次元風力ベクトル,ドラッグ力,その他の相互作用力(衝突,人間との相互作用など)を同時に推定する。
この目的のために,完全なモデルベースとディープラーニングベースの戦略を提示し,比較する。
モデルに基づくアプローチでは、MAVと気流センサのダイナミックスとその風との相互作用を考慮し、ディープラーニングベースの戦略では、Long Short-Term Memory (LSTM) ニューラルネットワークを用いて相対的気流の推定を行い、提案したフィルタで融合する。
提案手法をハードウェア実験で検証し,最大4m/sの相対気流を正確に推定し,抗力と相互作用力を区別できることを示した。
関連論文リスト
- Movable Antenna-Equipped UAV for Data Collection in Backscatter Sensor Networks: A Deep Reinforcement Learning-based Approach [10.115361454176773]
無人航空機(UAV)は遠隔後方散乱装置(BD)からの柔軟なデータ収集を可能にする
指向性と柔軟性の高い指向性移動アンテナ(MA)をUAVに搭載することを検討する。
我々は,UAVと各BD間の方位角と距離を用いた深部強化学習(DRL)に基づく戦略を開発し,エージェントの観測空間を簡素化する。
論文 参考訳（メタデータ） (2024-11-21T09:34:48Z) - Ensemble-based, large-eddy reconstruction of wind turbine inflow in a near-stationary atmospheric boundary layer through generative artificial intelligence [0.0]
本研究では,大気の大渦シミュレーションモデルに根ざした時間分解インフロー再構成手法を開発した。
我々の「大規模渦再構築」技術は拡散モデル機械学習アルゴリズムを用いて観測と大気モデル情報をブレンドする。
我々は,3つの合成フィールドキャンペーンにおいて,この手法の2秒間再構築能力を検証する。
論文 参考訳（メタデータ） (2024-10-17T20:53:04Z) - Wind Estimation in Unmanned Aerial Vehicles with Causal Machine Learning [0.6650227510403052]
本稿では,機械学習の時系列分類とクラスタリングを因果的フレームワークと組み合わせた因果的好奇性手法を提案する。
定常風, せん断風, 乱流の3つの異なる風環境を解析し, 風条件を推定するために最適なUAV操作を行うための異なる最適化戦略を探索する。
論文 参考訳（メタデータ） (2024-07-01T10:22:16Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - 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) - IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。
当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
論文 参考訳（メタデータ） (2021-01-20T00:31:52Z) - Mobile Cellular-Connected UAVs: Reinforcement Learning for Sky Limits [71.28712804110974]
本稿では,UAVの切断時間,ハンドオーバ速度,エネルギー消費を低減するため,MAB(Multi-armed bandit)アルゴリズムを提案する。
それぞれの性能指標(PI)が、適切な学習パラメータの範囲を採用することにより、どのように改善されるかを示す。
論文 参考訳（メタデータ） (2020-09-21T12:35:23Z) - PRGFlow: Benchmarking SWAP-Aware Unified Deep Visual Inertial Odometry [14.077054191270213]
視覚的翻訳推定のための深層学習手法を提案し、6DoF odometry 推定のための慣性センサでゆるやかに融合する。
我々は,MSCOCOデータセット上でネットワークを評価し,複数の実飛行軌道上でのVI融合を評価する。
論文 参考訳（メタデータ） (2020-06-11T19:12:54Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。