从人类示范与实时不确定性感知干预中学习飞行控制系统
机器人学
2023-05-02 v1
摘要
本文描述了一种从人类示范与干预中学习飞行控制系统的方法，同时考虑所学模型的估计不确定性。所提方法利用人类示范通过模仿学习训练初始模型，随后通过实时人类干预迭代提升其性能。干预旨在纠正不良行为和使模型适应任务动态的变化。所学模型不确定性通过 Monte Carlo Dropout 实时估计，当该不确定性超过预定义阈值时，通过视听信号提示人类监督者进行干预。所提方法在固定与移动平台上的自主四旋翼着陆任务中得到验证。结果表明，借助该算法，人类可通过演示专家轨迹迅速向无人机传授飞行任务，并能在所学控制器执行任何不良机动、任务改变和/或模型不确定性超过阈值时通过干预调整所学模型。
引用
@article{arxiv.2305.00929,
title = {Learning Flight Control Systems from Human Demonstrations and Real-Time Uncertainty-Informed Interventions},
author = {Prashant Ganesh and J. Humberto Ramos and Vinicius G. Goecks and Jared Paquet and Matthew Longmire and Nicholas R. Waytowich and Kevin Brink},
journal= {arXiv preprint arXiv:2305.00929},
year = {2023}
}
备注
IFAC 2023