基于深度强化学习的自主飞艇控制
机器人学
2021-09-28 v2 系统与控制
系统与控制
摘要
空中机器人解决方案正日益普及，应用于越来越多的任务。在各类型空中机器人中，飞艇非常适于执行长时间任务，同时具有高能效、相对安静和安全的优点。为解决飞艇导航与控制任务，我们在近期工作中开发了软件在环仿真及面向大风干扰下大型飞艇的基于PID的控制器。然而，飞艇具有可变形结构，其动力学本质非线性且含时延，常导致较大轨迹跟踪误差。此外，飞艇浮力因环境温度和压力变化而持续改变。在本文中，我们探索深度强化学习(DRL)方法来解决这些问题。我们仅在仿真中训练，同时使条件尽可能接近真实场景。我们推导出紧凑状态表示以缩短训练时间，并采用离散动作空间以增强控制平滑性。我们在仿真中的初步结果显示了DRL解决飞艇控制任务的显著潜力以及对中等风扰和参数不确定性的鲁棒性。文中给出大量实验以研究我们方法的鲁棒性。我们还公开提供了本方法的源代码。
引用
@article{arxiv.2109.10719,
title = {Autonomous Blimp Control using Deep Reinforcement Learning},
author = {Yu Tang Liu and Eric Price and Pascal Goldschmid and Michael J. Black and Aamir Ahmad},
journal= {arXiv preprint arXiv:2109.10719},
year = {2021}
}