基于强化学习的带顶部机械臂无人机执行器轨迹规划
机器人学
2023-08-28 v2 机器学习
摘要
本文研究一种空中机械臂系统的操作，即配备有两个自由度可控臂的无人机（UAV），用于在执行飞行任务时进行驱动作业。我们的方案基于采用 Q-learning 方法来控制臂尖（即末端执行器）的轨迹。更具体地，我们开发了基于碰撞时间（TTC）的运动规划模型，使四旋翼无人机能够绕开障碍物导航，同时保证机械臂的可达性。此外，我们利用基于模型的 Q-learning 模型，在给定无人机平台任意基准轨迹的情况下，独立跟踪并控制机械臂末端执行器的期望轨迹。这种组合支持多种驱动任务，如高空焊接、结构监测与修复、电池更换、水槽清理、摩天楼清洁以及电力线维护等，可在难以到达和危险的环境中执行，同时保持与飞行控制固件的兼容性。我们基于 RL 的控制机制形成了一种鲁棒的控制策略，可处理无人机运动中的不确定性，表现出良好的性能。具体而言，我们的方法在使用 15,000 回合的 Q-learning 时，平均位移误差（即目标轨迹点与所得轨迹点之间的平均距离）准确率达到 92%。
引用
@article{arxiv.2308.12843,
title = {Actuator Trajectory Planning for UAVs with Overhead Manipulator using Reinforcement Learning},
author = {Hazim Alzorgan and Abolfazl Razi and Ata Jahangir Moshayedi},
journal= {arXiv preprint arXiv:2308.12843},
year = {2023}
}