从机载相机观测的场景结构学习估计无人机产生的湍流
机器人学
2022-03-29 v1
摘要
精确控制无人机飞行需要逼真的动力学模型以及来自机载传感器（如无人机、GPS 与视觉观测）的准确状态估计。获取精确的动力学模型极为困难，因为重要的气动效应难以建模，特别是地面效应与其他湍流。尽管机器学习过去曾用于估计无人机产生的湍流，但仅限于平坦地面或弥漫的飞行中空气湍流，二者均未考虑障碍物。本工作中，我们解决估计由障碍物引起、尤其是杂乱环境中复杂结构所导致飞行湍流的复杂问题。我们学习从控制输入与机载相机捕获的图像到湍流的映射。在大规模设定下，我们在载入 Habitat.AI 模拟器的大量不同照片级真实感环境中训练模型，该模拟器增强了动力学无人机模型与解析地面效应模型。我们将模型从模拟迁移至真实环境，并在来自 EuRoC-MAV 数据集的真实无人机飞行上评估，表明该模型具备良好的 sim2real 泛化性能。数据集将在录用后公开。
引用
@article{arxiv.2203.14726,
title = {Learning to estimate UAV created turbulence from scene structure observed by onboard cameras},
author = {Quentin Possamaï and Steeven Janny and Madiha Nadri and Laurent Bako and Christian Wolf},
journal= {arXiv preprint arXiv:2203.14726},
year = {2022}
}
备注
8 pages, 6 figures, 2 tables. Submitted to International Conference on Intelligent Robots and Systems