基于模仿学习的多航点约束四旋翼在线时间最优控制
机器人学
2024-09-11 v2
摘要
在过去十年中，由于四旋翼结构简单且机动性强，其在搜索救援、递送和自主无人机竞速等多种用途中的应用显著激增。阻碍四旋翼在这些场景中广泛使用的关键挑战之一是带航点约束的在线时间最优轨迹生成与控制技术。本文提出了一种基于模仿学习的在线解决方案，以高效引导四旋翼以时间最优性能通过多个航点。神经网络（WN&CNets）被训练从耗时的CPC算法生成的数据集中学习控制律，然后部署以在线生成最优控制命令来引导四旋翼。为了解决训练数据有限以及最终航点悬停机动的问题，我们提出了一种过渡阶段策略，利用MINCO轨迹帮助四旋翼在切换航点时“跳过”停-走机动。我们的方法在仿真和真实世界实验中均得到了验证，在5.5m×5.5m×2.0m的受限空间内以最大速度5.6m/s通过7个航点。结果表明，在最优性略有损失的情况下，WN&CNets显著减少了处理时间，实现了多航点约束飞行任务的在线最优控制。
引用
@article{arxiv.2402.11570,
title = {Imitation Learning-Based Online Time-Optimal Control with Multiple-Waypoint Constraints for Quadrotors},
author = {Jin Zhou and Jiahao Mei and Fangguo Zhao and Jiming Chen and Shuo Li},
journal= {arXiv preprint arXiv:2402.11570},
year = {2024}
}