基于中心质量重构的双层强化学习控制用于非完全受控气球
机器人学
2026-05-05 v1
摘要
本文研究了非完全受控气球的目标导向跟踪控制问题，重点考虑中心质量（CoM）重构。不同于传统过受控气球设计依赖多余驱动力简化控制，本文关注一种紧凑结构，包含两个推力器和一个可移动内部滑块，旨在提高能源效率和有效载荷能力。这种硬件效率配置引入显著的非完全受控性，以及CoM动力学与车辆运动之间的强非线性耦合。为解决这些挑战，本文提出了一种双层强化学习框架，显式解耦任务级CoM规划与连续推力控制。外层策略在飞行前确定与目标相关的CoM配置，而内层策略生成推力命令以跟踪直线参考轨迹。为确保稳定学习，本文引入两种学习策略，并对双层过程的收敛性进行分析。广泛的仿真和实际实验在27个目标评估集上表明，所提方法持续优于固定CoM基线和PID控制器，实现更高的跟踪精度、增强的鲁棒性以及可靠的仿真到实际迁移。
引用
@article{arxiv.2605.01289,
title = {Bi-Level Reinforcement Learning Control for an Underactuated Blimp via Center-of-Mass Reconfiguration},
author = {Xiaorui Wang and Hongwu Wang and Yue Fan and Hao Cheng and Feitian Zhang},
journal= {arXiv preprint arXiv:2605.01289},
year = {2026}
}