用于多旋翼飞行器轨迹跟踪的残差动力学学习
机器人学
2024-01-23 v2
摘要
本文提出一种在基于规划的控制范式中使用基于学习的方法，以应对高层规划（例如参考轨迹跟踪）与低层控制之间的鸿沟的技术。该技术改善了在杂乱环境中机动的平滑性，尤其针对低速速度剖面。在此类速度剖面下，作用于四旋翼上的外部气动效应可忽略不计。因此，我们在构建基于非线性模型预测控制(NMPC)的局部规划器时，使用简化运动模型表示四旋翼的运动。然而，简化运动模型导致高层规划器与低层控制器之间产生残差动力学。提出基于稀疏高斯过程回归的技术以减小这些残差动力学。所提技术与数据驱动 MPC 进行比较。比较结果表明，基于增广残差动力学模型的规划器可将标称模型误差平均降低 2 倍。此外，我们将所提完整框架与其他四种方法进行比较。所提方法在跟踪参考轨迹而不与障碍物碰撞、以更短飞行时间且不损失计算效率方面优于其他方法。
引用
@article{arxiv.2305.15791,
title = {Residual Dynamics Learning for Trajectory Tracking for Multi-rotor Aerial Vehicles},
author = {Geesara Kulathunga and Hany Hamed and Alexandr Klimchik},
journal= {arXiv preprint arXiv:2305.15791},
year = {2024}
}