着陆的时机与地点：基于在线学习的分布式 MPC 用于多旋翼飞行器在波浪中水面舰艇上的降落
机器人学
2024-10-30 v1
摘要
将多旋翼无人机（UAV）降落在无人水面舰艇（USV）上，扩展了操作范围并为海上和湖泊学应用（如搜救和环境监测）提供了充电能力。然而，由于波浪引起的舰艇不可预测的倾斜和运动，无人机在 USV 上的自主降落具有挑战性。这种运动引入了空间和时间上的不确定性，使安全、精确的降落变得复杂。现有的无人地面车辆（UGV）自主降落技术依赖于共享状态信息，通常由于通信限制而导致时间延迟。本文介绍了一种基于学习的分布式模型预测控制（MPC）框架，用于在波浪条件下无人机在 USV 上的自主降落。每辆车的 MPC 针对人工目标和输入进行优化，仅与其他车辆共享目标。这些目标通过耦合和平台倾斜成本进行惩罚，并作为高斯过程（GP）进行学习。我们在全面的室内实验中验证了该框架，使用连接到 UGV 的定制设计平台来模拟 USV 的倾斜运动。与忽略倾斜运动对降落影响的方法相比，我们的方法使降落成功率提高了 53%。
引用
@article{arxiv.2410.21674,
title = {A Time and Place to Land: Online Learning-Based Distributed MPC for Multirotor Landing on Surface Vessel in Waves},
author = {Jess Stephenson and William S. Stewart and Melissa Greeff},
journal= {arXiv preprint arXiv:2410.21674},
year = {2024}
}