GustPilot: 風耐性を備えた四旋翼機ナビゲーションの階層型 DRL-INDI フレームワーク

概要:
風の乱れは、軽量のクアッドコプターにおける信頼性の高い自動航法の主要な障壁であり、急激に変化する気流は計画と追従の両方を不安定化させる。
本論文は GustPilot を紹介する。これは、深層強化学習（DRL）ポリシーがゲート通過のための慣性系速度参照を生成する階層的な風耐性ナビゲーションスタックである。
同時に、幾何学的な Incremental Nonlinear Dynamic Inversion (INDI) コントローラが、低レベルの追従と高速な残留外乱拒否を提供する。
INDI層は、両方の特定の線形加速度と角加速度率に対して増分フィードバックを提供し、搭載センサーの測定を用いて風の乱れを迅速に除去することで、これを実現する。
頑健性は、二層の戦略、訓練中にファン-ジェット領域乱択化を用いて学習した風を意識した計画、そして実行時の外乱拒否を素早く行う INDI 追従コントローラによって得られる。
実機飛行で GustPilot を 50 g のクアッドコプター・プラットフォーム上で、DRL-PID ベースラインと比較して評価し、風なしから全く動的な条件、移動するゲートと移動する外乱源を含む4つのシナリオに対して評価した。
最小限の単一ゲートと単一ファンの設定でのみ学習されているにもかかわらず、このポリシーは再訓練なしで、最大6つのゲートと4つのファンまでのはるかに複雑な環境へ一般化する。
80件の実験において、DRL-INDI は平均総合成功率（OSR）として DRL-PID の 94.7% 対 55.0% を達成し、追従 RMSE を最大で 50% 減少させ、風速 3.5 m/s までの風の乱れの下で最大 1.34 m/s の速度を維持する。
これらの結果は、DRL ベースの速度計画と構造化された INDI 外乱拒否を組み合わせることが、風耐性を持つ自律飛行ナビゲーションに対して実用的で一般化可能なアプローチであることを示している。
返却形式: {"translated": "翻訳されたHTML"}