Lander.AI：用于 3D 动态平台着陆专业知识的自适应着陆行为智能体
机器人学
2024-03-13 v2 神经与进化计算
摘要
由于不可预测的速度以及由风、地面效应、对接平台的涡轮机或螺旋桨引起的外部干扰，掌握无人机在动态平台上的自主着陆面临着巨大的挑战。本研究介绍了一种先进的深度强化学习（DRL）智能体 Lander:AI，旨在在有风条件下导航并降落在平台上，从而增强无人机的自主性和安全性。Lander:AI 在 gym-pybullet-drone 仿真环境中接受了严格训练，该环境镜像了包括风湍流在内的现实世界复杂性，以确保智能体的鲁棒性和适应性。我们在各种测试场景中利用 Crazyflie 2.1 无人机对智能体的能力进行了实证验证，涵盖了模拟环境和现实世界条件。实验结果展示了 Lander:AI 的高精度着陆能力及其在风致干扰下适应移动平台的能力。此外，我们将系统性能与 augmented with an Extended Kalman Filter 的基线 PID 控制器进行了基准测试，结果表明着陆精度和误差恢复能力有显著提升。Lander:AI 利用受鸟类启发的学习来适应外部力，从而在不知晓力的大小的情况下增强无人机的适应性。这项研究不仅推进了对于检查和紧急应用至关重要的无人机着陆技术，还突显了 DRL 在解决复杂空气动力学挑战方面的潜力。
引用
@article{arxiv.2403.06572,
title = {Lander.AI: Adaptive Landing Behavior Agent for Expertise in 3D Dynamic Platform Landings},
author = {Robinroy Peter and Lavanya Ratnabala and Demetros Aschu and Aleksey Fedoseev and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2403.06572},
year = {2024}
}