Conceitos essenciais
Neural-Fly는 사전 학습된 표현을 활용하여 온라인 적응을 가능하게 하는 학습 기반 접근법으로, 강풍 환경에서 정밀한 비행 제어를 달성한다.
Resumo
Neural-Fly는 두 가지 주요 구성 요소로 이루어져 있다:
- 오프라인 메타 학습 단계:
- Domain Adversarially Invariant Meta-Learning (DAIML) 알고리즘을 사용하여 바람 조건에 독립적인 심층 신경망 표현을 학습한다.
- 이 표현은 바람 의존적인 선형 계수와 결합되어 다양한 바람 조건에 적응할 수 있다.
- DAIML은 데이터 효율적이며 단 12분의 비행 데이터만으로 표현을 학습할 수 있다.
- 온라인 적응 제어 단계:
- 정규화된 복합 적응 제어 법칙을 사용하여 바람 의존적인 선형 계수를 실시간으로 업데이트한다.
- 이 접근법은 안정성과 강건성을 보장하며, 빠른 적응을 가능하게 한다.
실험 결과, Neural-Fly는 강풍 조건에서 기존 방법들에 비해 평균 66% 향상된 추적 성능을 보였다. 또한 좁은 게이트를 통과하는 민첩한 비행 실험에서도 우수한 성능을 보였다.
Estatísticas
최대 풍속 43.6 km/h (12.1 m/s)에서도 정밀한 비행 제어 가능
평균 추적 오차 2.9 cm (0 km/h 풍속)
평균 추적 오차 6.9 cm (8.5 + 2.4 sin(t) m/s 변동 풍속)
Citações
"Neural-Fly는 사전 학습된 표현을 활용하여 온라인 적응을 가능하게 하는 학습 기반 접근법으로, 강풍 환경에서 정밀한 비행 제어를 달성한다."
"DAIML은 데이터 효율적이며 단 12분의 비행 데이터만으로 표현을 학습할 수 있다."
"정규화된 복합 적응 제어 법칙을 사용하여 빠른 적응과 안정성, 강건성을 보장한다."