面向无人机基于视觉的舰船着陆的鲁棒强化学习算法
机器人学
2022-09-20 v1
摘要
本文解决了为具备垂直起降(VTOL)能力的无人 aerial vehicles (UAVs)开发自主舰船着陆算法的问题，仅使用无人机上的单目相机进行跟踪与定位。舰船着陆是一项具有挑战性的任务，原因在于着陆空间狭小、六自由度甲板运动、用于定位的视觉参考有限，以及风阵等对抗性环境条件。我们首先开发了一种计算机视觉算法，利用无人机单目视觉相机的图像流估计无人机相对于着陆平台上水平基准杆的位置。我们的方法受海军直升机飞行员在跟踪水平基准杆作为视觉线索的实际舰船着陆程序启发。随后我们开发了一种鲁棒强化学习(RL)算法，用于在风阵等对抗性环境条件下控制无人机飞向着陆平台。我们在Gazebo环境下的仿真实验以及使用Parrot ANAFI四旋翼和经历6自由度(DOF)甲板运动的缩比舰船平台的真实场景中，证明了我们的算法相对于基准非线性PID控制方法的优越性能。
引用
@article{arxiv.2209.08381,
title = {Robust Reinforcement Learning Algorithm for Vision-based Ship Landing of UAVs},
author = {Vishnu Saj and Bochan Lee and Dileep Kalathil and Moble Benedict},
journal= {arXiv preprint arXiv:2209.08381},
year = {2022}
}