Jul, 2023

四轴飞行器控制的基于混合 Actor-Critic 神经结构的自适应 PID 控制

PDF
TL;DR本文探讨了使用基于强化学习的神经网络自整定的 PID 控制算法，应用于四旋翼飞行器的姿态和高度控制，在动态和静态增益的调整中使用了适应性动量（ADAM）优化器和反向传播（BP）算法，并证明该方法比具有恒定增益的 PID 控制器具有更好的性能。
pid controllerreinforcement-learning-based neural networkquadrotoractor-critic-based hybrid neural structureonline learning
发现论文，激发创造
  • 使用 Actor-Critic 深度强化学习进行自动调节 PID 控制

    本文探讨了如何利用强化学习预测苹果采摘机器人的最佳 PID 参数。通过对基于 ROS 框架的模拟机械臂实现 Advantage Actor Critic（A2C）算法，并且进行了调整一个致动器和两个立动器的试验，结果表明该模型可以预测比设置基准线更好的 PID 增益，且可以根据苹果位置自适应预测 PID 参数，从而得出一种新颖的自适应控制方法。

    Nov, 2022

  • 采用深度强化学习的一次性、离线和适用于生产规模的 PID 优化

    该论文介绍了一种基于深度强化学习的方法来优化具有多目标性能要求的 PID 控制参数。通过应用该方法，研究者展示了在温度变化、速度和稳定性等多种要素下，开关产品的性能可以大幅提升同时实现高效的离线应用。

    Oct, 2022

  • 基于 PID 控制的自主修复技术提升大型语言模型的鲁棒性

    本研究提出了一种基于 PID 控制的自我修复框架，通过纠正输入数据中的扰动来提高预训练的大型语言模型的鲁棒性，减少了计算成本，并提高了实时推理能力。

    Mar, 2024

  • 零样本自适应四轴飞行器控制器

    本论文提出了一种适用于四轴飞行器的通用自适应控制器，基于神经网络，通过在仿真环境中训练实现快速适应各种扰动和硬件变化。

    Sep, 2022

  • 强化学习控制四轴飞行器

    本文介绍一种基于强化学习技术训练的神经网络控制四旋翼的方法，提出了一种新的、相对于现有算法更适用于控制四旋翼的学习算法，实验结果表明，该策略网络可以相对准确地对步阶响应做出反应，并且在非常恶劣的初始化情况下（手动向上扔，并具有 5m/s 的初始速度）也能够将四旋翼稳定悬停在空中，同时每个时间步的策略评估计算时间仅为 7μs。

    Jul, 2017

  • 四旋翼飞行器控制的自适应增益调度

    本文通过使用强化学习技术 (Reinforcement Learning, RL) 来调整四旋翼控制器的控制增益，特别地，我们采用了近端策略优化 (Proximal Policy Optimization, PPO) 来训练一个根据实际情况调整控制增益的策略，其中主要目标是在跟随预定轨迹的同时最小化跟踪误差。本文的主要目的是分析自适应增益策略的有效性，并将其与静态增益控制算法的性能进行比较，使用积分平方误差和积分时间平方误差作为度量标准。结果表明，与静态增益控制器相比，自适应增益方案实现了超过 40% 的跟踪误差降低。

    Mar, 2024

  • 基于 PPO 的 DRL 自校准非线性 PID 无人机控制器实现鲁棒自主飞行

    该研究旨在通过应用非线性深度强化学习（DRL）代理作为传统线性比例积分微分（PID）控制器的替代品，从而彻底改革无人机飞行控制。主要目标是实现无人机在手动和自主模式之间的无缝过渡，提高其响应性和稳定性。利用 Gazebo 模拟器中的 Proximal Policy Optimization（PPO）强化学习策略训练 DRL 代理，并通过添加价格为 20000 美元的室内 Vicon 跟踪系统实现 < 1mm 的定位精度，从而大大提高了自主飞行的精确性。为了在最短的无碰撞轨迹下引导无人机导航，我们还构建了一个三维 A * 路径规划器，并成功将其应用到实际飞行中。

    Mar, 2024

  • 使用神经网络学习四旋翼动力学以进行飞行控制

    本文探讨使用基于神经网络的动力学模型来合成不同于训练的轨迹的控制，并在四旋翼试验台上进行了实验验证。

    Oct, 2016

  • 利用模拟优化改进四旋翼零样本策略转移

    本研究提出了一种数据驱动方法来优化模拟参数，实现从模拟到实际四旋翼的直接控制，通过强化学习的方式训练低级控制器需要比高级控制策略更精确的模拟。

    Jan, 2022

  • Sim-to-(Multi)-Real: 将低层鲁棒控制策略转移到多个四旋翼上

    使用强化学习训练神经网络，学习低级别的四轴飞行器控制策略，无需使用稳定的 PD 控制器，可以推广到多种四轴飞行器。

    Mar, 2019