基于深度学习型管道 MPC 的昆虫级软驱动空中机器人鲁棒高频率轨迹跟踪
机器人学
2022-09-27 v2 机器学习
摘要
亚克级微型空中飞行器（MAV）的精确敏捷轨迹跟踪具有挑战性，因为机器人的小尺度带来了巨大的模型不确定性，要求鲁棒反馈控制器，而快速动力学与计算约束又阻碍了计算昂贵策略的部署。在本文中，我们提出一种在 MIT SoftFly（一款 0.7 克亚克级 MAV）上实现敏捷且计算高效轨迹跟踪的方法。我们的策略采用级联控制方案，将自适应姿态控制器与模仿轨迹跟踪鲁棒管道模型预测控制器（RTMPC）训练的神经网络策略相结合。该神经网络策略利用我们近期的工作获得，使策略在保留 RTMPC 鲁棒性的同时，仅以极小计算代价运行。我们通过实验评估了该方法，即使在更具挑战性的机动中也实现了低于 1.8 cm 的位置均方根误差，相较我们此前工作最大位置误差降低 60%，并展示出对大外部干扰的鲁棒性。
引用
@article{arxiv.2209.10007,
title = {Robust, High-Rate Trajectory Tracking on Insect-Scale Soft-Actuated Aerial Robots with Deep-Learned Tube MPC},
author = {Andrea Tagliabue and Yi-Hsuan Hsiao and Urban Fasel and J. Nathan Kutz and Steven L. Brunton and YuFeng Chen and Jonathan P. How},
journal= {arXiv preprint arXiv:2209.10007},
year = {2022}
}
备注
Submitted to ICRA 2023. Andrea Tagliabue and Yi-Hsuan Hsiao equally contributed. Video: https://youtu.be/Seupy1bSkY4