重心再構成による劣駆動飛行船の二段階強化学習制御

本論文は、center-of-mass (CoM) 再構成を備えた underactuated blimp の目標指向追従制御を扱う。従来の overactuated な blimp 設計とは異なり、2 つの thruster と可動内部 slider からなるコンパクトな構成を採用し、エネルギー効率とペイロード容量の向上を狙う。このハードウェア効率の良い構成は、大きな underactuation と CoM ダイナミクスと機体運動の強い非線形結合を生む。そこで、タスクレベルの CoM 計画と連続 thrust 制御を明示的に分離する bi-level reinforcement learning フレームワークを提案する。外側 policy は飛行前に目標依存の CoM 構成を決定し、内側 policy は直線参照を追従する thrust 指令を生成する。安定学習のため two-stage learning 戦略を導入し、bi-level 過程の収束解析も行う。

従来の overactuated blimp 設計は冗長な actuation に依存して制御を簡略化していた。本論文は 2 thruster と可動 slider というコンパクト構成で underactuation と非線形結合に対処する点が新しい。提案手法は fixed-CoM ベースラインや PID ベースの制御器よりも一貫して優れ、追従精度、ロバスト性、sim-to-real 転移の信頼性で上回る。

bi-level reinforcement learning フレームワークを提案し、タスクレベルの CoM 計画と連続 thrust 制御を明示的に分離する。外側 policy は飛行前に目標依存の CoM 構成を決定し、内側 policy は直線参照を追従する thrust 指令を生成する。安定学習のため two-stage learning 戦略を導入し、bi-level 過程の収束解析を行う。

広範なシミュレーションと実世界実験を 27-goal 評価セットで実施。提案手法は fixed-CoM ベースラインと PID ベースの制御器よりも一貫して優れ、追従精度、ロバスト性、sim-to-real 転移の信頼性で上回ることを示した。

要旨からは不明。

要旨で参照/比較されている研究として、overactuated blimp 設計、fixed-CoM ベースライン、PID ベースの制御器が挙げられる。関連手法として bi-level reinforcement learning、two-stage learning 戦略、sim-to-real 転移が挙げられる。