論文の概要: Design of Adaptive PID Controller Based On Asynchronous Advantage Actor Critic Learning Method for QuadCopter Control

• arxiv url: http://arxiv.org/abs/2609.21082v1
• Date: Thu, 17 Sep 2026 20:58:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.778221
• Title: Design of Adaptive PID Controller Based On Asynchronous Advantage Actor Critic Learning Method for QuadCopter Control
• Title（参考訳）: クアッドコプター制御のための非同期アドバンテージアクター批判学習法に基づく適応型PID制御系の設計
• Abstract要約: 本稿では, クワッドコプターの姿勢と軌道追跡のためのPIDコントローラと, Asynchronous Advantage Actor-Critic (A3C)アルゴリズムを統合する制御系を提案する。 補完システムのためのシステム識別モジュールは、最適制御ポリシーのためのシステム状態について予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadcopters offer great utility in many applications, but their nonlinear nature and disturbance sensitivity present great control challenges. Basic PID controllers are generally not sophisticated enough to cope with these complexities. This paper suggests a control system that integrates the Asynchronous Advantage Actor-Critic (A3C) algorithm with a PID controller for quadcopter attitude and trajectory tracking. The A3C controller uses parallel agents to optimize PID parameters dynamically using a neural network. A system identification module for the complementary system makes predictions about system states for optimal control policy. The proposed framework was compared with a standard actor-critic (A2C) model. Simulation results verify that they both track accurately. However, the A3C-based controller converges much more for the loss function, as evidenced by reward figures and loss curves, demonstrating better parameter optimization. This shows that A3C-based approach results in improved performance for the control of quadcopter, effectively integrating reinforcement learning and traditional control to achieve higher adaptability.
• Abstract（参考訳）: クアッドコプターは多くの用途で優れた実用性を提供するが、その非線形特性と外乱感度は大きな制御課題をもたらす。 基本的なPIDコントローラは、これらの複雑さに対処できるほど洗練されていない。 本稿では, クワッドコプターの姿勢と軌道追跡のためのPIDコントローラと, Asynchronous Advantage Actor-Critic (A3C)アルゴリズムを統合する制御系を提案する。 A3Cコントローラは並列エージェントを使用して、ニューラルネットワークを使用して動的にPIDパラメータを最適化する。 補完システムのためのシステム識別モジュールは、最適制御ポリシーのためのシステム状態について予測する。 提案手法は標準アクター・クリティック(A2C)モデルと比較された。 シミュレーションの結果、両者が正確に追跡できることが確認された。 しかしながら、A3Cベースのコントローラは、報酬数や損失曲線によって証明されるように、損失関数に対してはるかに収束し、より良いパラメータ最適化を示す。 これにより、A3Cベースのアプローチによりクアッドコプターの制御性能が向上し、強化学習と従来の制御を効果的に統合し、より高い適応性を実現することが示される。

関連論文リスト

• Adaptive Gain Scheduling using Reinforcement Learning for Quadcopter Control [0.0]
  本稿では, クアッドコプター制御器の制御利得を適応させるために, 強化学習を用いた手法を提案する。 このコントローラの第一の目的は、特定の軌跡を辿りながらトラッキングエラーを最小限にすることである。 その結果,適応利得方式は静的利得制御器と比較して40$%以上の追従誤差を減少させることがわかった。
  論文  参考訳（メタデータ） (2024-03-12T00:08:54Z)
• Self-Tuning PID Control via a Hybrid Actor-Critic-Based Neural Structure for Quadcopter Control [0.0]
  Proportional-Integrator-Derivative (PID) コントローラは、幅広い産業および実験プロセスで使用されている。 モデルパラメータの不確実性と外乱のため、Quadrotorsのような実際のシステムはより堅牢で信頼性の高いPIDコントローラを必要とする。 本研究では,Reinforcement-Learning-based Neural Networkを用いた自己調整型PIDコントローラについて検討した。
  論文  参考訳（メタデータ） (2023-07-03T19:35:52Z)
• 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)
• Comparative analysis of machine learning methods for active flow control [60.53767050487434]
  遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。 この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
  論文  参考訳（メタデータ） (2022-02-23T18:11:19Z)
• Finite-time System Identification and Adaptive Control in Autoregressive Exogenous Systems [79.67879934935661]
  未知のARXシステムのシステム識別と適応制御の問題について検討する。 我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
  論文  参考訳（メタデータ） (2021-08-26T18:00:00Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Adaptive Optimal Trajectory Tracking Control Applied to a Large-Scale Ball-on-Plate System [0.0]
  ADPを用いた大規模ボール・オン・プレートシステムのための最適軌道追従制御器を提案する。 提案手法では,セットポイントトラッキングの代わりに参照軌道を近似し,一定のオフセット項を自動的に補償することができる。 実験の結果, このトラッキング機構は, セットポイントコントローラに比べて制御コストを大幅に削減することがわかった。
  論文  参考訳（メタデータ） (2020-10-26T11:22:03Z)
• Comparison of Model Predictive and Reinforcement Learning Methods for Fault Tolerant Control [2.524528674141466]
  階層的強化学習に基づく離散時間系に対する2つの適応型耐故障制御方式を提案する。 実験により、強化学習に基づく制御器は、故障下のモデル予測制御器、部分的に観測可能なシステムモデル、様々なセンサノイズレベルよりも堅牢に動作することが示されている。
  論文  参考訳（メタデータ） (2020-08-10T20:22:15Z)
• Logarithmic Regret Bound in Partially Observable Linear Dynamical Systems [91.43582419264763]
  部分的に観測可能な線形力学系におけるシステム同定と適応制御の問題について検討する。 開ループ系と閉ループ系の両方において有限時間保証付きの最初のモデル推定法を提案する。 AdaptOnは、未知の部分観測可能な線形力学系の適応制御において、$textpolylogleft(Tright)$ regretを達成する最初のアルゴリズムであることを示す。
  論文  参考訳（メタデータ） (2020-03-25T06:00:33Z)

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。