Kernekoncepter
Ein lernbasierter Ansatz namens Neural-Fly ermöglicht eine schnelle Anpassung an verschiedene Windverhältnisse und präzise Flugsteuerung von Drohnen.
Resumé
Der Artikel präsentiert einen lernbasierten Ansatz namens Neural-Fly, der es Drohnen ermöglicht, sich schnell an verschiedene Windverhältnisse anzupassen und präzise Flugmanöver auszuführen.
Kernpunkte:
- Neural-Fly besteht aus zwei Hauptkomponenten: einer Offline-Lernphase und einer Online-Adaptionsphase.
- In der Offline-Lernphase wird mithilfe des Domain Adversarially Invariant Meta-Learning (DAIML)-Algorithmus eine windunabhängige Repräsentation der Aerodynamik erlernt. Diese Repräsentation dient als Basis für die Anpassung an spezifische Windverhältnisse.
- In der Online-Adaptionsphase wird ein regularisiertes, zusammengesetztes adaptives Regelungsgesetz verwendet, um die windspezifischen linearen Koeffizienten schnell anzupassen. Dies ermöglicht eine stabile und robuste Anpassung an unbekannte Windverhältnisse.
- Die Experimente zeigen, dass Neural-Fly eine deutlich geringere Bahnverfolgungsabweichung als state-of-the-art Methoden aufweist, selbst bei Windgeschwindigkeiten, die über den Trainingsdaten liegen.
- Darüber hinaus ermöglicht Neural-Fly neue Fähigkeiten wie das präzise Durchfliegen enger Tore in böigem Wind.
- Die Methode ist robust gegenüber Änderungen in der Drohnenplattform und kann auch in Außenflügen ohne Bewegungserfassung eingesetzt werden.
Statistik
Die Drohne folgte einer Acht-Bahn mit einer Breite von 2,5 m und einer Höhe von 1,5 m bei einer Rundenzeit von 6,28 s.
Bei Windgeschwindigkeiten von 0 km/h, 15,1 km/h (4,2 m/s), 30,6 km/h (8,5 m/s) und 43,6 km/h (12,1 m/s) sowie zeitlich variablen Windgeschwindigkeiten von 30,6 + 8,6 sin(t) km/h (8,5 + 2,4 sin(t) m/s) wurde die Bahnverfolgungsgenauigkeit gemessen.
Citater
"Neural-Fly erreicht einen mittleren Bahnverfolgungsfehler von nur 2,9 cm bei 0 km/h Wind, was mit dem Stand der Technik bei aggressiveren Renndrohnen vergleichbar ist."
"Neural-Fly kann die Windgeschwindigkeit auch bei zeitlich variablen Windverhältnissen schnell identifizieren und hält eine präzise Verfolgung aufrecht, mit einem durchschnittlichen Verfolgungsfehler unter 8,7 cm."