論文の概要: Docking Multirotors in Close Proximity using Learnt Downwash Models

• arxiv url: http://arxiv.org/abs/2311.13988v1
• Date: Thu, 23 Nov 2023 13:14:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-27 23:44:36.116960
• Title: Docking Multirotors in Close Proximity using Learnt Downwash Models
• Title（参考訳）: 学習型ダウンウォッシュモデルを用いた近接ドッキングマルチロータ
• Authors: Ajay Shankar, Heedo Woo, Amanda Prorok
• Abstract要約: モデル化されていない空力障害は、複数の車両が互いに近接している場合に、マルチロータ飛行において重要な課題となる。 このような現実的な例として、垂直に2つのマルチローターを空中にドッキングする例を挙げる。 我々は、最適なフィードバックコントローラ内で学習したダウンウォッシュモデルを用いて、ドッキング操作を正確に追跡し、生成を保持する。
• 参考スコア（独自算出の注目度）: 8.363593384698138
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Unmodeled aerodynamic disturbances pose a key challenge for multirotor flight when multiple vehicles are in close proximity to each other. However, certain missions \textit{require} two multirotors to approach each other within 1-2 body-lengths of each other and hold formation -- we consider one such practical instance: vertically docking two multirotors in the air. In this leader-follower setting, the follower experiences significant downwash interference from the leader in its final docking stages. To compensate for this, we employ a learnt downwash model online within an optimal feedback controller to accurately track a docking maneuver and then hold formation. Through real-world flights with different maneuvers, we demonstrate that this compensation is crucial for reducing the large vertical separation otherwise required by conventional/naive approaches. Our evaluations show a tracking error of less than 0.06m for the follower (a 3-4x reduction) when approaching vertically within two body-lengths of the leader. Finally, we deploy the complete system to effect a successful physical docking between two airborne multirotors in a single smooth planned trajectory.
• Abstract（参考訳）: 非モデル空力障害は、複数の車両が互いに近接している場合、マルチロータ飛行において重要な課題となる。 しかし、あるミッション \textit{require} 2つのマルチローターが互いに1-2体の長さで接近し、形成を保ちます。 このリーダー従者設定では、従者は最終ドッキング段階でリーダーから大きなダウンウォッシュの干渉を受ける。 これを補うために,最適フィードバックコントローラ内でオンライン上で学習したダウンウォッシュモデルを用いてドッキング動作を正確に追跡し,形成を保持する。 実世界の飛行と操縦の異なる飛行を通して、この補償が従来のニーブアプローチで必要とされる大きな垂直離間を減らすために重要であることを示す。 本評価では,リーダーの2つの体長内に垂直に接近したときの追従者に対する追従誤差が0.06m未満(3～4倍減少)であった。 最後に,2つの空飛ぶマルチローター間の物理的ドッキングを,単一のスムーズな計画軌道で実施する。

関連論文リスト

• Dashing for the Golden Snitch: Multi-Drone Time-Optimal Motion Planning with Multi-Agent Reinforcement Learning [10.579847782542982]
  本稿では,マルチエージェント強化学習を用いた時間最適マルチドローン飛行のための分散ポリシーネットワークを提案する。 飛行効率と衝突回避のバランスをとるために,最適化手法に着想を得たソフト衝突ペナルティを導入する。 大規模シミュレーションにより, 単流体系と比較して性能のトレードオフはわずかに小さいものの, 衝突速度が低い状態で, 最適に近い性能を維持していることがわかった。
  論文  参考訳（メタデータ） (2024-09-25T08:09:52Z)
• From Flies to Robots: Inverted Landing in Small Quadcopters with Dynamic Perching [15.57055572401334]
  逆着陸は、多くの動物のチラシの中で日常的な行動である。 我々は,任意の天井面接触条件に対する制御ポリシーを策定する。 小型クワッドコプターにおいて,強靭な逆着陸動作を達成できた。
  論文  参考訳（メタデータ） (2024-02-29T21:09:08Z)
• An Effective Motion-Centric Paradigm for 3D Single Object Tracking in Point Clouds [50.19288542498838]
  LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。 現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。 我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
  論文  参考訳（メタデータ） (2023-03-21T17:28:44Z)
• Robust and Versatile Bipedal Jumping Control through Reinforcement Learning [141.56016556936865]
  この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。 本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。 我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
  論文  参考訳（メタデータ） (2023-02-19T01:06:09Z)
• Smooth Trajectory Collision Avoidance through Deep Reinforcement Learning [0.0]
  本稿では,DRLに基づくナビゲーションソリューションにおける2つの重要な問題に対処するために,エージェントの状態と報酬関数の設計を提案する。 我々のモデルは、衝突の可能性を著しく低減しつつ、UAVのスムーズな飛行を確保するために、マージンの報酬と滑らかさの制約に依存している。
  論文  参考訳（メタデータ） (2022-10-12T16:27:32Z)
• 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)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Next Steps: Learning a Disentangled Gait Representation for Versatile Quadruped Locomotion [69.87112582900363]
  現在のプランナーは、ロボットが動いている間、キー歩行パラメータを連続的に変更することはできない。 本研究では、特定の歩行を構成する重要な姿勢位相を捉える潜在空間を学習することにより、この制限に対処する。 本研究では, 歩幅, 歩幅, 立位など, 歩行パラメータに直接対応した駆動信号マップの具体的特性を示す。
  論文  参考訳（メタデータ） (2021-12-09T10:02:02Z)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)
• Neural-Swarm: Decentralized Close-Proximity Multirotor Control Using Learned Interactions [37.21942432077266]
  マルチロータ群を近接飛行する非線形分散安定制御系であるNeural-Sを提案する。 提案手法は,高次多車間相互作用を正確に学習する正規化置換不変ディープニューラルネットワーク(DNN)と,名目力学モデルを組み合わせたものである。 実験結果から,提案した制御器は,最大4倍の最悪ケース高追尾誤差を有するベースライン非線形追尾制御器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-03-06T01:39:19Z)

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。