RoVerFly：四旋翼-负载系统的鲁棒与通用的隐式混合控制
机器人学
2025-10-02 v2 人工智能
机器学习
摘要
设计针对四旋翼机实现精确轨迹跟踪的鲁棒控制器面临着非线性动力学和欠 actuation 的挑战，加入柔性吊装有效载荷后更加困难，这些载荷引入额外的自由度和混合动力学。经典的模型基方法提供稳定性保证，但需要大量调参，且在配置变化时（如增减有效载荷、改变质量或 cable 长度）往往失效。我们提出RoVerFly，一个统一的基于学习的控制框架，其中单个强化学习(RL)策略作为隐式混合控制器，管理复杂动力学，无需显式模式检测或控制器切换。通过任务与域随机化训练，该控制器对干扰和变化的动力学具有鲁棒性。它在有效载荷设置下实现强大的零样本泛化能力——包括无有效载荷以及质量和 cable 长度的各种变化——无需重新调参，同时保持基于反馈跟踪控制器的可解释性和结构。代码和补充材料已在 https://github.com/mintaeshkim/roverfly 提供。
引用
@article{arxiv.2509.11149,
title = {RoVerFly: Robust and Versatile Implicit Hybrid Control of Quadrotor-Payload Systems},
author = {Mintae Kim and Jiaze Cai and Koushil Sreenath},
journal= {arXiv preprint arXiv:2509.11149},
year = {2025}
}
备注
8 pages, 5 figures