基于学习的方法与无模型自适应控制阵风下微型飞行器的对比
机器人学
2021-07-07 v2 人工智能
机器学习
系统与控制
系统与控制
最优化与控制
摘要
未知时变条件下的导航问题是控制领域中最重要且研究最充分的问题之一。经典的基于模型的自适应控制方法仅当提供了被控对象或环境的合适模型时才可应用。近期的无模型自适应控制方法旨在直接从传感器反馈中学习被控对象和/或过程的物理特性，从而消除这种依赖。尽管先前已有改进这些技术的尝试，但一个开放性问题仍然是：在完全基于任一范式的控制系统中，是否可能应对现实世界的不确定性。我们提出了一种概念上简单的基于学习的方法，由全状态反馈控制器组成，并通过基于 Soft Actor-Critic 算法的深度强化学习框架进行鲁棒调参。在真实感仿真中，我们将其与同样使用该深度强化学习框架控制阵风下微型飞行器的无模型控制器进行比较。结果表明了基于学习的自适应控制方法在现代动力系统中的巨大潜力。
引用
@article{arxiv.2101.12501,
title = {Learning-based vs Model-free Adaptive Control of a MAV under Wind Gust},
author = {Thomas Chaffre and Julien Moras and Adrien Chan-Hon-Tong and Julien Marzat and Karl Sammut and Gilles Le Chenadec and Benoit Clement},
journal= {arXiv preprint arXiv:2101.12501},
year = {2021}
}