PX4組み込みフライトコントローラ向けニューラルネットワーク制御モード

- PX4 stack 上で neural-network ベースの制御器を実装する open-sourced フレームワーク - microcontroller 上での inference 用 custom module を開発 - PX4 autopilot の全機能を保持したまま neural policy を実行 - Aerial Gym Simulator で学習した policy を TensorFlow Lite 形式に変換し、PX4 と共に build して flight controller に flash - 制御対象は position-setpoint tracking - PX4 の control-cascade を置き換え、normalized motor RPM setpoints を直接出力する end-to-end 制御器として機能

- 先行研究との具体的比較は要旨からは不明 - 主張されている利点は以下 - 学習済み neural control policy を実機 flight controller 上で動かすための flight-ready pipeline を提供 - embedded flight controller hardware への neural network 展開を簡素化 - learning-based control の研究を加速 - 既存の PX4 機能を損なわずに neural module を組み込める点を open-sourced 実装として示す

- Aerial Gym Simulator で policy を学習 - 学習済み policy を TensorFlow Lite 形式へ変換 - PX4 と一緒に build し flight controller へ flash する custom module を実装 - inference は microcontroller 上で実行 - policy は PX4 の control-cascade を代替し、position-setpoint から normalized motor RPM setpoints を直接生成する end-to-end 制御器として動作

- simulation と real-world の両方で実験を実施 - 両者で similar tracking performance が得られたと報告 - 具体的な評価指標・機体・条件は要旨からは不明 - 実機 flight controller 上での動作を含む pipeline の実現性を示す検証

- 要旨からは不明 - 明示されているのは以下 - simulation と real-world で同程度の tracking performance - flight-ready pipeline として実世界での neural control policy 試験を可能にする位置づけ - 限界・失敗事例・安全性・計算資源制約などに関する議論は要旨に記載なし

- Aerial Gym Simulator（本研究で使用、open-sourced） - PX4 autopilot（制御 cascade を置換対象とする基盤） - TensorFlow Lite（embedded inference 用変換先） - learning-based control 分野の関連研究（要旨では個別論文の参照なし）