利用深度图像的深度神经网络避障非线性模型预测控制
机器人学
2024-02-21 v1
摘要
本文介绍了一种非线性模型预测控制（N-MPC）框架，该框架利用深度神经网络处理机载捕获的深度图像，以实现无人机（UAV）轨迹跟踪任务中的避障。该网络在模拟深度图像上进行训练，输出传感器视场内查询 3D 点的碰撞评分。随后，将该网络转化为代数符号方程并纳入 N-MPC，显式约束预测位置在整个滚动时域内无碰撞。该 N-MPC 实现了无人机的实时控制，控制频率为 100Hz。所提出的框架通过对碰撞分类网络的统计分析，以及 Gazebo 仿真和真实实验进行了验证，以评估 N-MPC 在杂乱环境中有效避障的能力。相关代码与训练图像已开源发布。
引用
@article{arxiv.2402.13038,
title = {N-MPC for Deep Neural Network-Based Collision Avoidance exploiting Depth Images},
author = {Martin Jacquet and Kostas Alexis},
journal= {arXiv preprint arXiv:2402.13038},
year = {2024}
}
备注
Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2024