用于鲁棒飞行控制的神经滚动时域估计
机器人学
2023-11-15 v9 机器学习
系统与控制
系统与控制
摘要
估计并响应扰动对于四旋翼的鲁棒飞行控制至关重要。现有估计器通常需要在特定飞行场景下大量调参,或使用大量地面真实扰动数据训练才能达到满意性能。本文提出一种神经滚动时域估计器(NeuroMHE),其可由神经网络建模的关键参数自动调节并适应不同飞行场景。我们通过推导 MHE 估计值相对于 MHE 加权矩阵的解析梯度实现这一点,从而将 MHE 作为可学习层无缝嵌入神经网络以实现高效学习。有趣的是,我们展示了这些梯度可通过卡尔曼滤波器以递归形式高效计算。此外,我们开发了基于模型的策略梯度算法,可直接从四旋翼轨迹跟踪误差训练 NeuroMHE,无需地面真实扰动数据。NeuroMHE 的有效性通过仿真与四旋翼在多种挑战性飞行中的物理实验得到广泛验证。值得注意的是,NeuroMHE 优于最先进的基于神经网络的估计器,将力估计误差最多降低 76.7%,同时使用仅有后者 7.7% 可学习参数的轻量神经网络。所提方法具有通用性,可应用于其他机器人系统的鲁棒自适应控制。
引用
@article{arxiv.2206.10397,
title = {Neural Moving Horizon Estimation for Robust Flight Control},
author = {Bingheng Wang and Zhengtian Ma and Shupeng Lai and Lin Zhao},
journal= {arXiv preprint arXiv:2206.10397},
year = {2023}
}
备注
This paper (not the final version) has been accepted for publication in the IEEE Transactions on Robotics