論文の概要: Low-Latency Event-Based Velocimetry for Quadrotor Control in a Narrow Pipe

• arxiv url: http://arxiv.org/abs/2507.15444v1
• Date: Mon, 21 Jul 2025 09:53:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.345214
• Title: Low-Latency Event-Based Velocimetry for Quadrotor Control in a Narrow Pipe
• Title（参考訳）: 狭管におけるクアドロレータ制御のための低レイテンシイベントベース速度測定
• Authors: Leonard Bauersfeld, Davide Scaramuzza,
• Abstract要約: 本研究では,狭い管路でホバリングする四重項に対する最初の閉ループ制御システムを提案する。 局所気流を高時間分解能で推定する低レイテンシ, イベントベース煙速度測定法を開発した。 フローフィードバック制御は、パイプ断面における横方向の翻訳操作において特に有効であることを示す。
• 参考スコア（独自算出の注目度）: 22.30914818152441
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous quadrotor flight in confined spaces such as pipes and tunnels presents significant challenges due to unsteady, self-induced aerodynamic disturbances. Very recent advances have enabled flight in such conditions, but they either rely on constant motion through the pipe to mitigate airflow recirculation effects or suffer from limited stability during hovering. In this work, we present the first closed-loop control system for quadrotors for hovering in narrow pipes that leverages real-time flow field measurements. We develop a low-latency, event-based smoke velocimetry method that estimates local airflow at high temporal resolution. This flow information is used by a disturbance estimator based on a recurrent convolutional neural network, which infers force and torque disturbances in real time. The estimated disturbances are integrated into a learning-based controller trained via reinforcement learning. The flow-feedback control proves particularly effective during lateral translation maneuvers in the pipe cross-section. There, the real-time disturbance information enables the controller to effectively counteract transient aerodynamic effects, thereby preventing collisions with the pipe wall. To the best of our knowledge, this work represents the first demonstration of an aerial robot with closed-loop control informed by real-time flow field measurements. This opens new directions for research on flight in aerodynamically complex environments. In addition, our work also sheds light on the characteristic flow structures that emerge during flight in narrow, circular pipes, providing new insights at the intersection of robotics and fluid dynamics.
• Abstract（参考訳）: 管路やトンネルなどの閉じ込められた空間における自律的な四極子飛行は、不安定で自己誘導的な空力障害による重大な困難を呈する。 非常に最近の進歩により、このような条件下での飛行が可能になったが、空気流の再循環効果を軽減するためにパイプを通しての一定の動きに依存するか、ホバリング中に限られた安定性に悩まされるかのいずれかである。 本研究では, 実時間流れ場計測を利用した細い管内ホバリングのためのクローズドループ制御システムを提案する。 局所気流を高時間分解能で推定する低レイテンシ, イベントベース煙速度測定法を開発した。 この流れ情報は、リカレント畳み込みニューラルネットワークに基づいて、リアルタイムに力及びトルクの乱れを推測する乱推定器によって使用される。 推定外乱は、強化学習によって訓練された学習ベースのコントローラに統合される。 フローフィードバック制御は、パイプ断面における横方向の翻訳操作において特に有効であることを示す。 これにより、リアルタイムな外乱情報が、過渡的空力効果を効果的に防止し、管壁との衝突を防止できる。 我々の知る限り、この研究は、リアルタイムな流れ場計測によって伝達されるクローズドループ制御を備えた空中ロボットの最初の実演である。 これにより、空気力学的に複雑な環境での飛行研究の新しい方向性が開かれる。 さらに、我々の研究は、狭い円形のパイプで飛行中に現れる特徴的な流れ構造にも光を当て、ロボット工学と流体力学の交差についての新しい洞察を与える。

関連論文リスト

• Improving Action Smoothness for a Cascaded Online Learning Flight Control System [7.871518182413388]
  制御動作の振幅と周波数を減少させるために,オンライン時空間滑らか化手法と低域通過フィルタを導入する。 シミュレーションの結果,2つの手法による改善が示された。
  論文  参考訳（メタデータ） (2025-07-06T11:19:34Z)
• Physics-informed neural networks for hidden boundary detection and flow field reconstruction [0.0]
  本研究では,静的あるいは運動する固体境界の存在,形状,運動を推定する物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。 このフレームワークは、圧縮不能なNavier-Stokesや圧縮可能なEulerフローなど、さまざまなシナリオで検証されている。 提案手法はロバスト性および汎用性を示し,実験データや数値データしか利用できない場合の応用の可能性を強調した。
  論文  参考訳（メタデータ） (2025-03-31T13:30:46Z)
• AccFlow: Backward Accumulation for Long-Range Optical Flow [70.4251045372285]
  本稿では、長距離光フロー推定のためのAccFlowと呼ばれる新しいリカレントフレームワークを提案する。 従来の前方累積よりも後方累積の方が優れていることを示す。 長距離光流量推定におけるAccFlowの有効性を検証する実験
  論文  参考訳（メタデータ） (2023-08-25T01:51:26Z)
• Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
  モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。 本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。 呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
  論文  参考訳（メタデータ） (2023-05-10T07:05:43Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-01-19T20:04:36Z)
• Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems [0.8411385346896411]
  本研究では,動的・複雑環境下での自律的四角形ナビゲーションのためのトラジェクトリトラッカーを提案する。 提案フレームワークは,未知の空力効果に対する分散強化学習推定器をモデル予測制御器に統合する。 我々は,未知かつ多様な空気力を用いて,累積追従誤差を少なくとも66%改善するシステムを実証した。
  論文  参考訳（メタデータ） (2022-05-14T23:27:38Z)
• 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)
• Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network [0.0]
  右翼を見つけることは、あらゆる航空機の設計の予備段階における重要なステップである。 本研究では、異なるネットワークアーキテクチャとトレーニングデータセットを比較し、ネットワークが与えられた翼のジオメトリをどのように知覚するかについての洞察を得る。
  論文  参考訳（メタデータ） (2021-09-24T19:07:19Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)
• Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
  制御戦略は姿勢と速度安定化に基づいている。 RNNは高非線形空力項の推定に用いられる。 その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
  論文  参考訳（メタデータ） (2020-06-29T21:33:30Z)

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。