基于分布式强化估计的可解释随机模型预测控制在四旋翼跟踪系统中的应用
系统与控制
2023-01-02 v1 人工智能
机器学习
机器人学
系统与控制
摘要
本文提出了一种用于动态复杂环境中自主四旋翼导航的新型轨迹跟踪器。所提框架将用于未知气动效应的分布式强化学习（RL）估计器集成到用于轨迹跟踪的随机模型预测控制器（SMPC）中。由阻力与力矩变化产生的气动效应难以直接且精确地建模。因此，当前大多数四旋翼跟踪系统在传统控制方法中将其视为简单的“扰动”。我们提出了基于分位数近似的分布式强化扰动估计器（一种气动扰动估计器），以准确识别扰动，即气动效应真实值与估计值之间的不确定性。采用简化仿射扰动反馈进行控制参数化以保证凸性，随后将其与SMPC集成以实现充分且非保守的控制信号。我们证明，在未知且多样的气动力下，与近期最先进方法相比，我们的系统将累积跟踪误差至少降低了66%。针对传统强化学习不可解释的问题，我们分别给出了分布式RL与SMPC在非零均值扰动下的收敛性与稳定性保证。
引用
@article{arxiv.2205.07150,
title = {Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems},
author = {Yanran Wang and James O'Keeffe and Qiuchen Qian and David Boyle},
journal= {arXiv preprint arXiv:2205.07150},
year = {2023}
}
备注
8 pages, 4 figures