基于深度残差强化学习的自主飞艇控制
机器人学
2022-03-11 v1 系统与控制
系统与控制
摘要
飞艇能源效率高、相对安静且安全，非常适合执行长时间空中任务。针对飞艇导航与控制任务，我们在先前工作中开发了硬件在环与软件在环框架以及基于 PID 的控制器，用于存在风扰的大中型飞艇。然而，飞艇具有可变形结构，其动力学 inherently 非线性且存在时滞，导致 PID 控制器难以整定，因此常产生较大跟踪误差。此外，飞艇浮力因环境温度和压力变化而持续改变。为解决这些问题，本文提出一种基于深度残差强化学习（DRRL）的学习框架用于飞艇控制任务。在该框架中，我们首先采用 PID 控制器提供基准性能，随后 DRRL 智能体通过与环境交互学习修正 PID 决策。我们在仿真中证明 DRRL 智能体持续改善 PID 性能。通过严谨的仿真实验，我们表明该智能体对风速与浮力的变化具有鲁棒性。在真实世界实验中，我们证明仅在仿真中训练的智能体足以在刮风条件下控制真实飞艇。我们在 https://github.com/robot-perception-group/AutonomousBlimpDRL 公开提供本方法的源代码。
引用
@article{arxiv.2203.05360,
title = {Deep Residual Reinforcement Learning based Autonomous Blimp Control},
author = {Yu Tang Liu and Eric Price and Michael J. Black and Aamir Ahmad},
journal= {arXiv preprint arXiv:2203.05360},
year = {2022}
}