C3D：用于自主水面航行器的变点检测与深度 Koopman 学习的级联控制
机器人学
2024-10-27 v3
摘要
在本文中，我们讨论了一种鲁棒自主系统的开发与部署，该系统能够在未知动态条件下在海事领域执行各种任务。我们研究了一种基于模块化设计的数据驱动方法，以便于将自主性迁移到不同的海事水面航行器平台。这种数据驱动方法缓解了与系统模型先验识别相关的问题，这些问题在系统行为演变或出现不可预见的环境影响时可能会变得不足。我们提出的基于学习的平台包含一个深度 Koopman 系统模型和一个变点检测器，该检测器提供关于域偏移的指导，从而在严重的外部和内部扰动下触发重新学习。自主系统的运动控制通过最优控制器设计实现。Koopman 线性化模型天然适用于线性二次调节器 (LQR) 控制设计。我们提出了 C3D 控制架构，即带有变点检测和深度 Koopman 学习的级联控制。该框架在仿真和真实实验中的自主水面航行器 (ASV) 定点保持任务中得到了验证。与不考虑系统变化的方法相比，该方法在所有测试案例中将平均距离误差至少降低了 13.9%。
引用
@article{arxiv.2403.05972,
title = {C3D: Cascade Control with Change Point Detection and Deep Koopman Learning for Autonomous Surface Vehicles},
author = {Jianwen Li and Hyunsang Park and Wenjian Hao and Lei Xin and Jalil Chavez-Galaviz and Ajinkya Chaudhary and Meredith Bloss and Kyle Pattison and Christopher Vo and Devesh Upadhyay and Shreyas Sundaram and Shaoshuai Mou and Nina Mahmoudian},
journal= {arXiv preprint arXiv:2403.05972},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication