Retro-RL：利用深度强化学习增强倾转旋翼无人机标称控制器
机器人学
2022-07-08 v1
摘要
将无人机应用拓展至复杂任务的研究需要一个稳定的控制框架。近期，深度强化学习（RL）算法已在许多机器人控制研究中被用于完成复杂任务。遗憾的是，由于难以解释学习到的策略且缺乏稳定性保证，深度RL算法可能不适合直接部署到真实世界的机器人平台上，尤其对于爬壁无人机这类复杂任务。本文提出了一种新颖的混合架构，该架构利用通过无模型深度RL算法学习到的鲁棒策略来增强标称控制器。所提出的架构采用了一个不确定性感知的控制混合器，以在使用学习策略的扩展鲁棒性能的同时，保持标称控制器的保证稳定性。该策略在具有数千种域随机化的模拟环境中进行训练，以在多种不确定性下实现鲁棒性能。通过真实世界实验验证了所提方法的性能，并与传统控制器以及使用普通深度RL算法训练的最新基于学习的控制器进行了比较。
引用
@article{arxiv.2207.03124,
title = {Retro-RL: Reinforcing Nominal Controller With Deep Reinforcement Learning for Tilting-Rotor Drones},
author = {I Made Aswin Nahrendra and Christian Tirtawardhana and Byeongho Yu and Eungchang Mason Lee and Hyun Myung},
journal= {arXiv preprint arXiv:2207.03124},
year = {2022}
}
备注
8 pages, RA-L accepted