論文の概要: Time-Optimal Planning for Quadrotor Waypoint Flight
- arxiv url: http://arxiv.org/abs/2108.04537v1
- Date: Tue, 10 Aug 2021 09:26:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-11 14:14:09.882272
- Title: Time-Optimal Planning for Quadrotor Waypoint Flight
- Title(参考訳): クアドロター・ウェイポイント飛行の時間最適計画
- Authors: Philipp Foehn, Angel Romero, Davide Scaramuzza
- Abstract要約: 立方体の作動限界における時間-最適軌道の計画は未解決の問題である。
四重項のアクチュエータポテンシャルをフル活用する解を提案する。
我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
- 参考スコア(独自算出の注目度): 50.016821506107455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quadrotors are among the most agile flying robots. However, planning
time-optimal trajectories at the actuation limit through multiple waypoints
remains an open problem. This is crucial for applications such as inspection,
delivery, search and rescue, and drone racing. Early works used polynomial
trajectory formulations, which do not exploit the full actuator potential
because of their inherent smoothness. Recent works resorted to numerical
optimization but require waypoints to be allocated as costs or constraints at
specific discrete times. However, this time allocation is a priori unknown and
renders previous works incapable of producing truly time-optimal trajectories.
To generate truly time-optimal trajectories, we propose a solution to the time
allocation problem while exploiting the full quadrotor's actuator potential. We
achieve this by introducing a formulation of progress along the trajectory,
which enables the simultaneous optimization of the time allocation and the
trajectory itself. We compare our method against related approaches and
validate it in real-world flights in one of the world's largest motion-capture
systems, where we outperform human expert drone pilots in a drone-racing task.
- Abstract(参考訳): クアドロターは最も機敏な飛行ロボットの1つである。
しかし、複数の経路点を通るアクティベーション限界における時間-最適軌道の計画は未解決の問題である。
これは検査、配送、捜索救助、ドローンレースなどのアプリケーションにとって非常に重要である。
初期の作品では多項式軌道の定式化が用いられ、固有な滑らかさのためにアクチュエータポテンシャルをフル活用しなかった。
最近の研究は数値最適化に頼っているが、特定の離散時間におけるコストや制約としてウェイポイントを割り当てる必要がある。
しかし、この時間割当は事前不明であり、以前の作品では真の時間最適軌跡を生成できない。
真の時間最適化トラジェクタを生成するために,全四重子のアクチュエータポテンシャルを活用しつつ,時間割当問題の解を提案する。
時間割当と軌道自体の同時最適化を可能にする軌道に沿って進行の定式化を導入することでこれを実現できる。
我々は、我々の手法を関連するアプローチと比較し、世界最大規模のモーションキャプチャーシステムで実際の飛行でそれを検証する。
関連論文リスト
- DICE: Diverse Diffusion Model with Scoring for Trajectory Prediction [7.346307332191997]
本稿では,拡散モデルを用いて将来の軌跡を計算的に効率的に予測するフレームワークを提案する。
提案手法は, 試料軌道数を最大化し, 精度を向上させるための効率的なサンプリング機構である。
本研究では,一般歩行者(UCY/ETH)と自律走行(nuScenes)のベンチマークデータを用いて,経験的評価を行うことによるアプローチの有効性を示す。
論文 参考訳(メタデータ) (2023-10-23T05:04:23Z) - Reaching the Limit in Autonomous Racing: Optimal Control versus
Reinforcement Learning [66.10854214036605]
ロボット工学における中心的な問題は、アジャイルなモバイルロボットの制御システムをどうやって設計するかである。
本稿では、強化学習(RL)で訓練されたニューラルネットワークコントローラが最適制御(OC)法より優れていることを示す。
その結果、アジャイルドローンを最大性能に押し上げることができ、最大加速速度は重力加速度の12倍以上、ピーク速度は時速108kmに達しました。
論文 参考訳(メタデータ) (2023-10-17T02:40:27Z) - Learning-Initialized Trajectory Planning in Unknown Environments [4.2960463890487555]
未知の環境での自律飛行の計画には、空間軌道と時間軌道の両方を正確に計画する必要がある。
本稿ではニューラルdトラジェクトリ・プランナーを用いて最適化を導く新しい手法を提案する。
遅延計画に対する耐性を持って、堅牢なオンラインリプランニングをサポートするフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-19T15:07:26Z) - Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory
Diffusion [83.88829943619656]
本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。
我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。
本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
論文 参考訳(メタデータ) (2023-04-04T15:46:42Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳(メタデータ) (2022-07-04T13:52:10Z) - Neural representation of a time optimal, constant acceleration
rendezvous [10.191757341020216]
我々は、最適政策(すなわち最適な推力方向)と値関数(すなわち飛行時間)の両方を表現するために、時間最適で一定加速度の低推力ランデブーをニューラルネットワークで訓練する。
あらゆるケースにおいて、アキュラシーはランデブーと飛行予測の時間に成功する。
論文 参考訳(メタデータ) (2022-03-29T12:40:50Z) - Learning High-Speed Flight in the Wild [101.33104268902208]
複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。
鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。
現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
論文 参考訳(メタデータ) (2021-10-11T09:43:11Z) - Autonomous Drone Racing with Deep Reinforcement Learning [39.757652701917166]
ドローンレースのような多くのロボットタスクにおいて、ゴールはできるだけ速くコースポイントを移動することである。
重要な課題は、事前に通過するウェイポイントの完全な知識を想定して解決される最小時間軌道を計画することです。
本研究では,クワッドロータの最小時間軌道生成法を提案する。
論文 参考訳(メタデータ) (2021-03-15T18:05:49Z) - Optimal control of point-to-point navigation in turbulent time-dependent
flows using Reinforcement Learning [0.0]
複素流体中の2点間の移動時間を最小化する経路を求める問題に関する理論的および数値的な結果を示す。
我々は、ActorCriticアルゴリズムが時間非依存またはカオス的に進化するフロー構成の存在下で準最適解を見つけることができることを示した。
論文 参考訳(メタデータ) (2021-02-27T21:31:18Z) - The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
道路にはよく定義された地形、地形、交通規則がある。
本稿では,構造的事前を損失関数として組み込むことを提案する。
実世界の自動運転データセットにおけるアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2020-06-04T03:56:11Z)
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。