Nature Machine Intelligence 基于强化学习的扑翼无人机机翼应变飞行控制

尽管无人机技术发展迅速,但复制生物飞行的动态控制和风力感应能力,仍然遥不可及。生物学研究表明,昆虫翅膀上有机械感受器,即钟形感受器campaniform sensilla,探测飞行敏捷性至关重要的复杂气动载荷。

近日,韩国亚洲大学(Ajou University)Taewi Kim, Insic Hong, Sunghoon Im, Je-sung Koh,Seungyong Han & Daeshik Kang等,韩国即时通信Kakao公司的Seungeun Rho等,在Nature Machine Intelligence上发文,利用模拟这些生物系统的机器人实验,证实了机翼应变提供了无人机姿态角以及风向和风速的关键信息。

研发了可应用于扑翼无人机的“感知飞行”控制技术,利用施加在扑翼无人机机翼上的气动力,推导重要的飞行数据,如姿态和气流,而无需加速计和陀螺传感器。

目前工作包括五个关键实验:用于提供状态信息的机翼应变传感器系统初步验证,在风变化的单*度运动环境中的控制技术,在重力姿态调整的两*度运动环境中的控制技术,在有风条件下的位置控制测试,以及在无风条件下,仅使用机翼应变传感器的精确飞行路径操纵的演示。

在强化学习驱动的飞行控制器帮助下,已经成功地演示了仅使用机翼应变传感器,在各种环境中控制扑翼无人机。从阵风阻力到自主飞行机器人的风力辅助飞行,这种环境变化的适应性,将有利于各种应用。

预计这种扑翼无人机控制技术,可用于间谍机器人、勘探和救灾机器人等自行感知风向并飞向目标位置的机器人。

Wing-strain-based flight control of flapping-wing drones through reinforcement learning.
在这里插入图片描述

基于强化学习的扑翼无人机机翼应变飞行控制
在这里插入图片描述

图1: 基于感知飞行的飞行控制策略。
在这里插入图片描述

图2:从机翼应变数据中,提取气动特征。
在这里插入图片描述

图3: 通过感知风向和风速进行位置控制,风向和风速因位置而异。

在这里插入图片描述

图4 在两个*度环境中的的强化学习reinforcement learning,RL。

在这里插入图片描述

图5: 具有感知飞行系统的扑翼无人机位置控制。

上一篇:《迁移学习》—— 将 ResNet18 模型迁移到食物分类项目中


下一篇:csp-j模拟一补题报告