AutoTune：面向高速飞行的控制器调优
机器人学
2022-03-01 v2 机器学习
摘要
由于噪声驱动与外部扰动，为高速飞行调优控制器极具挑战。在本文中，我们提出以下问题：跟踪高速机动时控制器对调优有多敏感？我们能用什么算法自动调优它们？为回答第一个问题，我们研究参数与性能的关系，发现机动越快，控制器对其参数越敏感。为回答第二个问题，我们回顾现有控制器调优方法，发现先前工作常在高速飞行任务上表现不佳。因此，我们提出 AutoTune，一种专为高速飞行定制的基于采样的调优算法。与先前工作不同，我们的算法不假设任何关于无人机或其优化函数的先验知识，并能处理参数优化空间的多模态特性。我们在仿真与物理世界中充分评估 AutoTune。实验中，我们在轨迹完成度上比现有调优算法高出至多 90%。所得控制器在 AirSim Game of Drones 竞赛中测试，圈速比冠军快至多 25%。最后，我们展示当飞行物理平台时，相比人类专家调优的参数，AutoTune 改善了跟踪误差。
引用
@article{arxiv.2103.10698,
title = {AutoTune: Controller Tuning for High-Speed Flight},
author = {Antonio Loquercio and Alessandro Saviolo and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2103.10698},
year = {2022}
}
备注
Video: https://youtu.be/m2q_y7C01So; Code: https://github.com/uzh-rpg/mh_autotune