基于因子图优化的城市交通中可信无人机定位与控制紧耦合方法
机器人学
2023-10-05 v1
摘要
无人机(UAV)在即将到来的智慧城市时代展现出了提升包裹递送应用效率的巨大潜力。然而,无人机可信的定位与控制算法在复杂城市区域面临严峻挑战。例如, ubiquitous 的全球导航卫星系统(GNSS)定位会因周围高层建筑物的信号反射而退化,导致定位不确定性显著增加。城市峡谷中复杂的风扰进一步给控制算法带来额外挑战。鉴于系统定位与控制高度相关(例如,控制中的系统动力学可在很大程度上辅助定位),本文提出一种基于因子图优化(FGO)的联合定位与控制方法(JPCM),该方法结合了传感器测量值与控制意图。具体而言,定位测量(如来自 GNSS 的定位)被构建为因子图模型中的因子。模型预测控制(MPC)同样被构建为因子图模型中的附加因子。通过求解由定位因子与基于 MPC 的因子共同构成的因子图,可充分挖掘定位与控制的互补性。为保障系统动态参数的可靠性,我们使用模拟四旋翼系统验证了所提方法的有效性,其轨迹跟踪性能显著提升。为惠及研究社区,我们开源了代码,地址为 https://github.com/RoboticsPolyu/IPN_MPC。
引用
@article{arxiv.2310.02542,
title = {Tightly Joining Positioning and Control for Trustworthy Unmanned Aerial Vehicles Based on Factor Graph Optimization in Urban Transportation},
author = {Peiwen Yang and Weisong Wen},
journal= {arXiv preprint arXiv:2310.02542},
year = {2023}
}