論文の概要: Battery-Aware Reinforcement Learning for Aggressive Quadrotor Flight

• arxiv url: http://arxiv.org/abs/2609.37316v1
• Date: Tue, 29 Sep 2026 11:52:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.452631
• Title: Battery-Aware Reinforcement Learning for Aggressive Quadrotor Flight
• Title（参考訳）: アグレッシブ・クアドロター飛行のためのバッテリ・アウェア強化学習
• Abstract要約: ドローンレースや追跡回避といったアジャイルな飛行タスクは、強い加速と正確な旋回を必要とします。 保守的なコマンド制限により、未使用のパフォーマンスを犠牲にして、この変更を許容しやすくなる。 我々は、飛行制御器の電圧補償と速度制御を維持しながら、学習した制御器がその追加推力をどのように利用できるかを検討する。
• 参考スコア（独自算出の注目度）: 44.6590128623158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agile flight tasks such as drone racing and pursuit-evasion require strong acceleration and precise turns, but the available thrust changes as the battery discharges and voltage drops under load. Conservative command limits make this variation easier to tolerate, at the cost of unused performance. We investigate how learned controllers can use that additional thrust while retaining the flight controller's voltage compensation and rate control. Our training simulator couples an identified load-transient battery model to rotor dynamics and firmware saturation. The feedforward policy receives filtered voltage during both training and deployment. Controlled ablations distinguish the benefit of a larger thrust-command range from that of voltage information. On a 38 g Crazyflie Brushless, the resulting policy reduces circle tracking error by 49% relative to stock-authority RL at 3.84 m/s, while preserving easy-task precision. Mean 20-lap race time decreases from 106.22 s to 95.24 s. Compared with a voltage-blind policy with the same increased authority, hardware error and race time are lower by 15.3% and 4.5%, respectively. In simulation, replacing the policy's voltage input with a recording from a different battery condition worsens hard-circle tracking, with a smaller, voltage-dependent effect in racing. Together, these results show where a simple voltage input complements existing actuator compensation in aggressive learned flight.
• Abstract（参考訳）: ドローンレースや追尾回避のようなアジャイルな飛行タスクは、強い加速と正確な回転を必要とするが、バッテリーの放電と電圧の低下によって推力は変化する。 保守的なコマンド制限により、未使用のパフォーマンスを犠牲にして、この変更を許容しやすくなる。 我々は、飛行制御器の電圧補償と速度制御を維持しながら、学習した制御器がその追加推力をどのように利用できるかを検討する。 トレーニングシミュレータは,ロータダイナミックスとファームウェア飽和度を同定した負荷遷移バッテリモデルに結合する。 フィードフォワードポリシーは、トレーニングとデプロイメントの間、フィルタ電圧を受け取る。 制御されたアブレーションは、電圧情報と大きな推力圧縮範囲の利点を区別する。 38gのクレイジーフリーブラシレスでは、このポリシーにより、簡単なタスク精度を保ちながら、ストックオーソリティRLの3.84m/sに対して円追跡誤差を49%削減できる。 平均20ラップのレース時間は106.22秒から95.24秒に減少する。 同じ権限を持つ電圧ブラインドポリシーと比較すると、ハードウェアエラーとレース時間はそれぞれ15.3%、レース時間は4.5%低下する。 シミュレーションでは、ポリシーの電圧入力を異なるバッテリ状態からの記録に置き換えると、ハード循環のトラッキングが悪化し、レースにおける電圧依存の影響が小さくなる。 これらの結果から,アグレッシブな学習飛行において,簡易な電圧入力が既存のアクチュエータ補償を補完することを示す。

関連論文リスト

• WarpSAC: Towards the Pinnacle of Scalable Off-policy RL by Rethinking Exploration and Exploitation [67.83495924117089]
  大規模並列シミュレーションは、非政治強化学習を訓練するデータ体制を変える。 これらの安定化器はデータ登録に依存していることを示す。 我々は、政治外RLアルゴリズムのレシシック対応ファミリーであるWarpSACを提案する。
  論文  参考訳（メタデータ） (2026-08-25T12:24:15Z)
• BC-NMPC: Battery-Constrained NMPC with Propulsion Prediction and Replanning for High-Speed Flight [4.322810915985893]
  無人航空機(UAV)の軌道追尾性能は、バッテリーの劣化と最大推力の喪失により、高速・アジャイル飛行中に低下する。 ドローンレースのような応用では、軌道追跡誤差は障害物と衝突し、その後レースが完了しなかった。 本稿では, モデル予測制御系にバッテリと推進系モデルを組み込むことにより, 電圧, 消費電流, 電力, 最大推力のリアルタイム予測を可能にする。
  論文  参考訳（メタデータ） (2026-07-26T22:16:36Z)
• Flatness-Preserving Residual Learning for Real-Time Tight Quadrotor Formation Flight [12.401790739166222]
  密な形を飛んでいるクアドロターは、ダウンウォッシュのような乱流の空気力学的相互作用によって深刻な影響を受けており、非模型化されていれば破滅的な衝突を引き起こす可能性がある。 本研究では, 複雑な空力相互作用を捉えつつ, 連立多振子系を微分平らに維持する物理インフォームド残差動的学習フレームワークを提案する。 我々は,30秒以下のトレーニングデータと5msループ率で安定かつ厳密な成型飛行を達成でき,計算制約飛行スタックに対する高忠実度空力補償を解き放つことを初めて示している。
  論文  参考訳（メタデータ） (2026-07-14T02:25:04Z)
• Meta-Adaptive Beam Search Planning for Transformer-Based Reinforcement Learning Control of UAVs with Overhead Manipulators under Flight Disturbances [8.618483849755604]
  オーバーヘッドマニピュレータを備えたドローンは、検査、メンテナンス、コンタクトベースのインタラクションにユニークな機能を提供する。 ドローンとそのマニピュレータの動作は強く結びついており、風や制御の欠陥による小さな姿勢の変化でさえ、エンドエフェクターを意図した経路から遠ざける。 変換器をベースとしたDouble Deep Q Learning (DDQN) を用いた強化学習フレームワークを開発した。 これにより、コントローラは実際のモデル上でこれらのアクションを直接実行するのではなく、シミュレーションされたロールアウトを通じてエンドエフェクタの動きを予測できる。
  論文  参考訳（メタデータ） (2026-03-27T17:08:40Z)
• Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows [109.99020160824553]
  乱流のモデリングと制御のための効率的な深部強化学習フレームワークを提案する。 予測制御(PC)のためのモデルベースRLであり、乱流制御のためのポリシとオブザーバモデルの両方を共同で学習する。 その結果, PINO-PCは, バルク速度レイノルズ数15,000で39.0%の抗力低下を達成し, 従来の流体制御法を32%以上上回った。
  論文  参考訳（メタデータ） (2025-10-03T00:18:26Z)
• Improving Wind Resistance Performance of Cascaded PID Controlled Quadcopters using Residual Reinforcement Learning [0.0]
  風力抵抗制御は、目標位置からの逸脱を避けるために、クワッドコプターが位置を維持するために欠かせない特徴である。 クワッドコプターの耐風性制御系を構築するための残留強化学習に基づく手法を提案する。 従来のケースドPIDコントローラで制御されたクワッドコプターと比較して,制御器の位置ずれを約50%低減する。
  論文  参考訳（メタデータ） (2023-08-03T09:29:19Z)
• Real-Time Model-Free Deep Reinforcement Learning for Force Control of a Series Elastic Actuator [56.11574814802912]
  最先端のロボットアプリケーションは、歩行、揚力、操作などの複雑なタスクを達成するために、閉ループ力制御を備えた連続弾性アクチュエータ(SEAs)を使用する。 モデルフリーPID制御法はSEAの非線形性により不安定になりやすい。 深層強化学習は連続制御タスクに有効なモデルレス手法であることが証明されている。
  論文  参考訳（メタデータ） (2023-04-11T00:51:47Z)
• 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)
• Developmental Reinforcement Learning of Control Policy of a Quadcopter UAV with Thrust Vectoring Rotors [1.0057838324294686]
  推力ベクター機能を有するクアッドコプターのための新規な強化学習型制御器を提案する。 このロボットの制御方針は、学習したクワッドコプターの制御装置からポリシー伝達を用いて学習される。 学習方針の性能は、ホバリングとウェイポイントナビゲーションのタスクの物理シミュレーションにより評価される。
  論文  参考訳（メタデータ） (2020-07-15T16:17:29Z)

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。