TornadoDrone：基于生物启发的DRL无人机在风力扰动下的6自由度平台着陆
机器人学
2024-06-26 v2 多智能体系统
摘要
自动无人机导航面临在不可预测条件下（如风力涡流）实现对动态平台的精确着陆的关键挑战。我们的研究引入了TornadoDrone，一种新型深度强化学习(DRL)模型，采用生物启发机制以适应风力，模拟鸟类天然适应性。与传统方法不同，TornadoDrone的适应性来自位置和速度变化等间接线索，而非直接风力测量。TornadoDrone在gym-pybullet-drone模拟器中进行了严格训练，该模拟器 closely 复制了现实世界中风力动力学的复杂性。通过在模拟和现实风条件下进行大量测试，TornadoDrone在保持对移动平台的高精度着陆方面表现出色，超过了传统控制方法如带扩展卡尔曼滤波器的PID控制器。该研究不仅突显了DRL解决复杂气动挑战的潜力，也为能够实时适应环境变化的先进自主系统铺平了道路。TornadoDrone的成功标志着无人机技术的一次飞跃，特别是对于依赖可靠性和精确性的关键应用（如监视和紧急响应）具有重要意义。
引用
@article{arxiv.2406.16164,
title = {TornadoDrone: Bio-inspired DRL-based Drone Landing on 6D Platform with Wind Force Disturbances},
author = {Robinroy Peter and Lavanya Ratnabala and Demetros Aschu and Aleksey Fedoseev and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2406.16164},
year = {2024}
}
备注
Submitted to IEEE. arXiv admin note: substantial text overlap with arXiv:2403.06572