論文の概要: Proto-MPC: An Encoder-Prototype-Decoder Approach for Quadrotor Control
in Challenging Winds
- arxiv url: http://arxiv.org/abs/2401.15508v1
- Date: Sat, 27 Jan 2024 21:32:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:47:33.795716
- Title: Proto-MPC: An Encoder-Prototype-Decoder Approach for Quadrotor Control
in Challenging Winds
- Title(参考訳): エンコーダ-プロトタイプ-デコーダアプローチによる混在する風のクアドロレータ制御
- Authors: Yuliang Gu, Sheng Cheng and Naira Hovakimyan
- Abstract要約: プロトタイプデコーダ(EPD)と呼ばれるマルチタスクメタ学習手法を提案する。
本研究では,EPDモデルをモデル予測制御問題(Proto-MPC)に統合し,動的に変化するタスクのスペクトルに適応し,操作する能力を高める。
提案手法をシミュレーションで検証し, 静的かつ空間的に変化する横風を受けるクアロータの軌道追尾におけるProto-MPCの頑健な性能を示す。
- 参考スコア(独自算出の注目度): 10.06597722587596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quadrotors are increasingly used in the evolving field of aerial robotics for
their agility and mechanical simplicity. However, inherent uncertainties, such
as aerodynamic effects coupled with quadrotors' operation in dynamically
changing environments, pose significant challenges for traditional, nominal
model-based control designs. We propose a multi-task meta-learning method
called Encoder-Prototype-Decoder (EPD), which has the advantage of effectively
balancing shared and distinctive representations across diverse training tasks.
Subsequently, we integrate the EPD model into a model predictive control
problem (Proto-MPC) to enhance the quadrotor's ability to adapt and operate
across a spectrum of dynamically changing tasks with an efficient online
implementation. We validate the proposed method in simulations, which
demonstrates Proto-MPC's robust performance in trajectory tracking of a
quadrotor being subject to static and spatially varying side winds.
- Abstract(参考訳): クアドロターは、機動性や機械的な単純さのために、進化する航空ロボティクスの分野でますます使われてきている。
しかし、動的に変化する環境での空力効果やクワッドローターの操作など、固有の不確かさは、伝統的な名目上のモデルベースの制御設計にとって大きな課題となる。
本研究では,多種多様な学習課題間で共有表現と特徴表現を効果的にバランスする,Encoder-Prototype-Decoder (EPD) と呼ばれるマルチタスクメタ学習手法を提案する。
その後、EPDモデルをモデル予測制御問題(Proto-MPC)に統合し、効率的なオンライン実装により動的に変化するタスクに適応し、操作する能力を高める。
提案手法をシミュレーションで検証し, 静的かつ空間的に変化する横風を受けるクアロータの軌道追尾におけるProto-MPCの頑健な性能を示す。
関連論文リスト
- Controllable Motion Diffusion Model [59.52889433954535]
制御可能な運動拡散モデル(COMODO)の枠組みを提案する。
我々のフレームワークは自動回帰運動拡散モデル(A-MDM)から始まり、ステップごとに動きのシーケンスを生成する。
そこで本研究では,A-MDMモデル上での強化学習に基づく制御手法を提案する。
論文 参考訳(メタデータ) (2023-06-01T07:48:34Z) - Traj-MAE: Masked Autoencoders for Trajectory Prediction [69.7885837428344]
軌道予測は、危険を予測して信頼性の高い自動運転システムを構築する上で重要な課題である。
本稿では,運転環境におけるエージェントの複雑な動作をよりよく表現する,軌道予測のための効率的なマスク付きオートエンコーダを提案する。
複数エージェント設定と単一エージェント設定の両方の実験結果から,Traj-MAEが最先端手法と競合する結果が得られることが示された。
論文 参考訳(メタデータ) (2023-03-12T16:23:27Z) - Multi-Scale Control Signal-Aware Transformer for Motion Synthesis
without Phase [72.01862340497314]
マルチスケール制御信号認識変換器(MCS-T)を提案する。
MCS-Tは補助情報を用いてメソッドが生成した動作に匹敵する動作をうまく生成できる。
論文 参考訳(メタデータ) (2023-03-03T02:56:44Z) - Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model
Predictive Control [49.60520501097199]
本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。
我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
論文 参考訳(メタデータ) (2022-10-23T00:45:05Z) - Designing a Robust Low-Level Agnostic Controller for a Quadrotor with
Actor-Critic Reinforcement Learning [0.38073142980732994]
ソフトアクター・クリティカルに基づく低レベルウェイポイント誘導制御器の訓練段階におけるドメインランダム化を提案する。
トレーニング中の四元数力学に一定の不確実性を導入することにより、より大規模な四元数パラメータを用いて提案課題を実行することができる制御器が得られることを示す。
論文 参考訳(メタデータ) (2022-10-06T14:58:19Z) - Training Diverse High-Dimensional Controllers by Scaling Covariance
Matrix Adaptation MAP-Annealing [12.90845054806193]
シミュレーションでさまざまなニューラルネットワークコントローラを事前トレーニングすることで、ロボットはロボットの移動タスクの損傷にオンラインで適応することが可能になった。
進化戦略(ES)に基づく品質多様性アルゴリズムであるCMA-MAEは、これらの制限を持たず、標準的なQDベンチマークで最先端のパフォーマンスを達成した。
我々は高次元にスケールする3つの新しいCMA-MAE変種を提案する。
論文 参考訳(メタデータ) (2022-10-06T01:03:01Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳(メタデータ) (2022-06-07T13:51:35Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2021-10-02T01:21:38Z) - Multimodal VAE Active Inference Controller [0.0]
本稿では,産業用アームのアクティブ推論トルク制御装置を提案する。
線形結合型マルチモーダル変分オートエンコーダを用いたマルチモーダル状態表現学習を含む。
結果は、表現力の増加による目標方向到達の追跡と制御の改善を示した。
論文 参考訳(メタデータ) (2021-03-07T18:00:27Z) - Meta-Reinforcement Learning for Adaptive Motor Control in Changing Robot
Dynamics and Environments [3.5309638744466167]
この研究は、ロバストな移動のための異なる条件に制御ポリシーを適応させるメタラーニングアプローチを開発した。
提案手法は, インタラクションモデルを更新し, 推定された状態-作用軌道のアクションをサンプル化し, 最適なアクションを適用し, 報酬を最大化する。
論文 参考訳(メタデータ) (2021-01-19T12:57:12Z)
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。