用于数据增强四旋翼模型在线学习与控制

适应变化条件的能力是成功自主系统的关键特征。在这项工作中，我们使用递归高斯过程（RGP）在线辨识四旋翼空气阻力模型，无需训练数据。所辨识的阻力模型随后增强了基于物理的四旋翼动力学模型，从而允许更精确的四旋翼状态预测，并提升适应变化条件的能力。该数据增强的基于物理的模型被用于使用适当修改的模型预测控制（MPC）算法实现精确的四旋翼轨迹跟踪。所提出的建模与控制方法使用 Gazebo 模拟器进行评估，结果表明，与采用非增强（纯基于物理）模型的 MPC 相比，所提出的方法以更高精度跟踪期望轨迹。