基于最近邻与强化学习的四旋翼无人机避碰方法
机器人学
2022-02-21 v3 人工智能
机器学习
摘要
避碰算法是许多无人机应用的核心关注点。特别是，在集中式通信的计算开销变得难以承受的情况下，去中心化方法可能是实现鲁棒无人机集群解决方案的关键。在这项工作中，我们从椋鸟（Sturnus vulgaris）群飞中汲取生物学灵感，并将该洞见应用于端到端学习的去中心化避碰。更具体地说，我们提出了一种遵循仿生最近邻信息约束的新型可扩展观测模型，该模型可实现快速学习和良好的避碰行为。通过提出一种通用的强化学习方法，我们获得了一种基于端到端学习的方法，将避碰与任意任务（如包裹收集和队形变换）相集成。为验证该方法的通用性，我们通过中等复杂度的运动模型成功应用了我们的方法，该模型对动量进行建模，且仍允许与标准PID控制器结合直接应用于真实世界四旋翼无人机。与先前工作相比，我们发现在我们足够丰富的运动模型中，最近邻信息确实足以学习有效的避碰行为。我们学习的策略在仿真中进行了测试，随后迁移到真实无人机上以验证其现实适用性。
引用
@article{arxiv.2104.14912,
title = {Nearest-Neighbor-based Collision Avoidance for Quadrotors via Reinforcement Learning},
author = {Ramzi Ourari and Kai Cui and Ahmed Elshamanhory and Heinz Koeppl},
journal= {arXiv preprint arXiv:2104.14912},
year = {2022}
}
备注
Accepted to the 39th IEEE Conference on Robotics and Automation (ICRA). Fixed some typos