quadrotor | BriefGPT - AI 论文速递

关键词quadrotor

搜索结果 - 14

城市地图绘制与目标跟踪研究用四旋翼飞行器的设计与飞行演示
本文描述了一种使用成像传感器进行城市建模、危险回避和目标追踪研究的小型四旋翼飞行器的硬件设计和飞行演示。该飞行器配备了五个摄像头，包括两对鱼眼立体摄像头，可以实现几乎全方位视图，并配备了一个两轴云台摄像头。飞行器使用一台运行机器人操作系统软
PDF4 months ago
为何更改你的控制器而不是更改你的规划器：针对四旋翼系统的具有拖曳感知的轨迹生成
为了解决遭受气动力矩的四旋翼飞行器的轨迹生成和反馈控制问题，本文提出了一种自适应轨迹生成策略，通过引入跟踪成本函数来改善四旋翼系统的轨迹追踪能力，在模拟和硬件实验中验证了该方法的有效性。
PDF6 months ago
倒立摆四旋翼非线性控制器设计
本文介绍了针对六自由度飞行器和球形摆联合的非线性动力系统，利用反馈线性化和控制李雅普诺夫函数与二次规划（CLF-QP）方法，提出了不同类型的控制器。我们展示了对于仅有飞行器和飞行器 - 摆联合情况的轨迹追踪。
PDFa year ago
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
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
PDFa year ago
多旋翼集成模型预测控制 I：仿真实验
通过使用集成模型预测控制 (EMPC) 方法，可以实现非线性全模型，将高斯过程作为反向计算的输入，从而提高机器人系统的控制和估计的准确性和效率。
PDFa year ago
基于物理学思想的四旋翼动力学时态学习，用于准确的模型预测轨迹跟踪
本研究提出了一种基于物理启发的时间卷积网络（PI-TCN）方法，用于纯从机器人经验中学习四旋翼系统动力学，结合稀疏时间卷积和稠密前馈连接，挖掘四旋翼动力学的结构，并将物理约束嵌入训练过程，以实现网络的泛化能力，同时实现了精确的封闭环轨迹跟踪
PDF2 years ago
基于分布式强化估计的可解释随机模型预测控制在四旋翼跟踪系统中的应用
该论文提出了一种新的轨迹跟踪器，用于自主四旋翼飞行器在动态和复杂环境下导航，在该系统中，分布式强化学习（RL）估计器用于未知的空气动力学效应，与随机模型预测控制（SMPC）相结合进行轨迹跟踪，用这种方法可以改进了至少 66% 的跟踪误差。
PDF2 years ago
FAST-LIO: 一种基于紧耦合迭代卡尔曼滤波的快速、鲁棒的激光雷达 - 惯导组合导航算法包
本文提出了一种高效、稳定的激光雷达惯性组合导航算法，它基于迭代扩展卡尔曼滤波，将激光和 IMU 数据进行融合，有效地实现了在快速运动，嘈杂或杂乱环境中的关闭式导航，在大数据处理时具有较低的计算复杂度，并成功测试于室内外的各种场景中，并且非常
PDF4 years ago
基于深层模型的强化学习学习飞行
通过学习无人机动力学的概率模型，我们使用基于模型的强化学习学习了四旋翼的推进姿态控制器，完全使用生成潜在轨迹通过传播随机解析梯度来优化控制器和价值函数。
PDF4 years ago
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。
PDF5 years ago
四旋翼动力学在转子阻力下的微分平整性，用于准确跟踪高速轨迹
本文证明了四旋翼在线性机翼阻力影响下的动力学模型可以通过微分平面理论进行建模，并且基于此提出了一种准确控制四旋翼的方法，其中包括了前馈控制和非线性反馈控制，并且引入了无梯度优化方法来识别电机参数。
PDF7 years ago
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
PDF7 years ago
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。
PDF8 years ago
基于 MPC 引导的策略搜索学习自主飞行器深度控制策略
模型预测控制与强化学习相结合并在引导策略搜索框架下应用，通过使用机载传感器数据在训练时间内训练神经网络策略，该策略可成功地控制四旋翼飞行器的避障而无需系统完整状态知识。
PDF9 years ago