論文の概要: Integration of Fully-Actuated Multirotors into Real-World Applications
- arxiv url: http://arxiv.org/abs/2011.06666v2
- Date: Wed, 10 Mar 2021 04:22:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 07:33:50.907727
- Title: Integration of Fully-Actuated Multirotors into Real-World Applications
- Title（参考訳）: 実世界へのフルアクティベートマルチロータの統合
- Authors: Azarakhsh Keipour, Mohammadreza Mousaei, Andrew T Ashley, Sebastian
Scherer
- Abstract要約: 本稿では,不動ロボットと新しい完全動車とのギャップを埋める手法を提案する。
不安定なコントローラ,ツール,プランナ,リモートコントロールインターフェースで動作する姿勢戦略を導入する。
多くの完全作動型UAV設計に苦しむ限られた横推力に適切に対処できる新しい手法が提案されている。
- 参考スコア（独自算出の注目度）: 4.721845865189578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The introduction of fully-actuated multirotors has opened the door to new
possibilities and more efficient solutions to many real-world applications.
However, their integration had been slower than expected, partly due to the
need for new tools to take full advantage of these robots.
As far as we know, all the groups currently working on the fully-actuated
multirotors develop new full-pose (6-D) tools and methods to use their robots,
which is inefficient, time-consuming, and requires many resources.
We propose a way of bridging the gap between the tools already available for
underactuated robots and the new fully-actuated vehicles. The approach can
extend the existing underactuated flight controllers to support the
fully-actuated robots, or enhance the existing fully-actuated controllers to
support existing underactuated flight stacks. We introduce attitude strategies
that work with the underactuated controllers, tools, planners and remote
control interfaces, all while allowing taking advantage of the full actuation.
Moreover, new methods are proposed that can properly handle the limited lateral
thrust suffered by many fully-actuated UAV designs. The strategies are
lightweight, simple, and allow rapid integration of the available tools with
these new vehicles for the fast development of new real-world applications.
The real experiments on our robots and simulations on several UAV
architectures with different underlying controller methods show how these
strategies can be utilized to extend existing flight controllers for
fully-actuated applications. We have provided the source code for the PX4
firmware enhanced with our proposed methods to showcase an example flight
controller for underactuated multirotors that can be modified to seamlessly
support fully-actuated vehicles while retaining the rest of the flight stack
unchanged.
- Abstract（参考訳）: 完全に活性化されたマルチロータの導入は、多くの現実世界アプリケーションに対する新しい可能性とより効率的なソリューションへの扉を開いた。
しかし、これらのロボットをフル活用するための新しいツールの必要性から、彼らの統合は予想よりも遅かった。
われわれが知る限り、現在フルアクティベートされたマルチローターに取り組んでいるすべてのグループが、ロボットを使うための新しい完全な(6-D)ツールと方法を開発しています。
本稿では,不動ロボットと新しい完全動車とのギャップを埋める手法を提案する。
このアプローチは、既存の非作動型飛行制御装置を拡張して、完全作動型ロボットをサポートするか、既存の非作動型飛行スタックをサポートするために既存の完全作動型制御装置を強化することができる。
我々は,非作動型コントローラ,ツール,プランナ,遠隔操作インターフェースなどで動作する姿勢戦略を導入し,全動作の活用を可能にした。
さらに, 多数の完全作動型UAV設計が抱える限界側面推力を適切に処理できる新しい手法が提案されている。
戦略は軽量でシンプルで、利用可能なツールをこれらの新しい車両と迅速に統合することで、新しい現実世界のアプリケーションを素早く開発することができる。
ロボットの実際の実験と、複数のUAVアーキテクチャを基礎とする様々な制御方法によるシミュレーションは、これらの戦略をどのように活用して、既存の飛行制御装置をフルアクティベートしたアプリケーションに拡張できるかを示している。
我々は,提案手法により拡張されたpx4ファームウェアのソースコードを提供し,飛行スタックの残りを変更せずに,完全に作動した車両をシームレスにサポートするように修正可能なマルチロータ用飛行制御装置の例を示した。
関連論文リスト
- Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - Exploring of Discrete and Continuous Input Control for AI-enhanced
Assistive Robotic Arms [5.371337604556312]
協調ロボットは、オブジェクトの把握や操作といったタスクのために、複数の自由度(DoF)を管理する必要がある。
本研究は,3種類の入力デバイスを,支援ロボットのための確立されたXRフレームワークに統合することによって探索する。
論文 参考訳（メタデータ） (2024-01-13T16:57:40Z) - Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳（メタデータ） (2023-04-19T17:37:54Z) - GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。
本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。
我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
論文 参考訳（メタデータ） (2022-09-12T15:14:32Z) - Physical Interaction and Manipulation of the Environment using Aerial
Robots [1.370633147306388]
空飛ぶロボットと環境との物理的相互作用には、無数の潜在的な応用があり、多くのオープンな課題を抱える新興分野である。
これらの課題に対処するために、完全に作動したマルチローターが導入された。
位置と方向を完全に制御し、ロボットにマルチDoF操作アームを装着する必要がなくなる。
しかし、現実のアプリケーションで使われる前には、多くのオープンな問題がある。
論文 参考訳（メタデータ） (2022-07-06T13:15:10Z) - Copiloting Autonomous Multi-Robot Missions: A Game-inspired Supervisory
Control Interface [8.05901693109037]
ゲームに触発されたインタフェース、自律ミッションアシスタントを導入し、異種マルチエージェントシステムを用いてそれらをテストおよびデプロイする。
この作業により、マルチエージェントシステムのヒューマン・スーパーバイザリー制御が改善され、アプリケーションの切り替え、タスク計画、実行、検証のオーバーヘッドが軽減される。
論文 参考訳（メタデータ） (2022-04-13T21:54:31Z) - Learning Robotic Manipulation Skills Using an Adaptive Force-Impedance
Action Space [7.116986445066885]
強化学習は、様々な困難な意思決定タスクにおいて、有望な結果をもたらしました。
高速な人間のような適応制御手法は複雑なロボットの相互作用を最適化するが、非構造化タスクに必要なマルチモーダルフィードバックを統合することができない。
本稿では,階層的学習と適応アーキテクチャにおける学習問題を要因として,両世界を最大限に活用することを提案する。
論文 参考訳（メタデータ） (2021-10-19T12:09:02Z) - Learning Multi-Arm Manipulation Through Collaborative Teleoperation [63.35924708783826]
模倣学習(il)はロボットに操作タスクを実行するための強力なパラダイムである。
多くの現実世界のタスクは、重い物体を持ち上げる、デスクを組み立てるなど、複数のアームを必要とする。
複数のリモートユーザが同時にロボットアームを遠隔操作できるマルチユーザデータ収集プラットフォームであるMulti-Arm RoboTurk(MART)を紹介した。
論文 参考訳（メタデータ） (2020-12-12T05:43:43Z) - ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for
Mobile Manipulation [99.2543521972137]
ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。
本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。
ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
論文 参考訳（メタデータ） (2020-08-18T08:05:15Z) - Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。
そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
論文 参考訳（メタデータ） (2020-04-02T02:56:16Z)
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。