用于改进四旋翼即时轨迹跟踪的深度神经网络
机器人学
2017-07-21 v2 机器学习
神经与进化计算
系统与控制
摘要
四旋翼飞行器的轨迹跟踪控制在从测绘、巡检到电影制作等应用中十分重要。然而，由于隐藏动力学及其他非理想因素，设计并调参经典控制器（如比例-积分-微分(PID)控制器）以实现高跟踪精度可能耗时且困难。深度神经网络(DNN)凭借其逼近抽象非线性函数的优越能力，为增强轨迹跟踪控制提供了新方法。本文提出一种基于 DNN 的算法作为附加模块，以改善经典反馈控制器的跟踪性能。给定期望轨迹，DNN 根据其获取的经验向控制器提供定制的参考输入。该输入旨在实现期望轨迹与输出轨迹之间的恒等映射。本工作的动机是一个交互式“随画随飞(fly-as-you-draw)”应用，用户可在移动设备上绘制轨迹，四旋翼飞行器随即利用 DNN 增强的控制系统飞出该轨迹。实验结果表明，在 DNN 于选定周期轨迹上训练后，所提方法提升了用户绘制轨迹的跟踪精度，显示出该方法在现实应用中的潜力。对于用户的训练与测试轨迹，跟踪误差均降低约 40-50%，凸显了 DNN 泛化知识的能力。
引用
@article{arxiv.1610.06283,
title = {Deep Neural Networks for Improved, Impromptu Trajectory Tracking of Quadrotors},
author = {Qiyang Li and Jingxing Qian and Zining Zhu and Xuchan Bao and Mohamed K. Helwa and Angela P. Schoellig},
journal= {arXiv preprint arXiv:1610.06283},
year = {2017}
}
备注
7 pages, 8 figures. Accepted final version. To appear in the proc. of the 2017 IEEE International Conference on Robotics and Automation