[論文レビュー] Control of a Tail-Sitter VTOL UAV Based on Recurrent Neural Networks

Jinni Zhou, Hao Xu+3 more|arXiv (Cornell University)|Apr 5, 2021

Robotic Path Planning Algorithms参考文献 31被引用数 5

ひとこと要約

本論文は、1つのコントローラーで飛行モードの切り替えなしに垂直垂直離着陸（VTOL）ドローンの垂直飛行、遷移飛行、水平飛行を統合的に制御する、統一された再帰的ニューラルネットワーク（RNN）ベースの制御フレームワークを提案する。計算コストの高い非線形ソルバーをリアルタイムの推力と姿勢計算に近似するためのLSTMネットワーク（SCPNet）を学習させることで、近似誤差が無視できるほど小さく、制御ジタリゼーションが低減された滑らかな低遅延制御を実現した。風の影響を受ける状況下でも、広範なシミュレーションおよび屋外飛行実験により有効性が検証された。

ABSTRACT

Tail-sitter vertical takeoff and landing (VTOL) unmanned aerial vehicles (UAVs) have the capability of hovering and performing efficient level flight with compact mechanical structures. We present a unified controller design for such UAVs, based on recurrent neural networks. An advantage of this design method is that the various flight modes (i.e., hovering, transition and level flight) of a VTOL UAV are controlled in a unified manner, as opposed to treating them separately and in the runtime switching one from another. The proposed controller consists of an outer-loop position controller and an inner-loop attitude controller. The inner-loop controller is composed of a proportional attitude controller and a loop-shaping linear angular rate controller. For the outer-loop controller, we propose a nonlinear solver to compute the desired attitude and thrust, based on the UAV dynamics and an aerodynamic model, in addition to a cascaded PID controller for the position and velocity tracking. We employ a recurrent neural network (RNN) to approximate the behavior of the nonlinear solver, which suffers from high computational complexity. The proposed RNN has negligible approximation errors, and can be implemented in real-time (e.g., 50 Hz). Moreover, the RNN generates much smoother outputs than the nonlinear solver. We provide an analysis of the stability and robustness of the overall closed-loop system. Simulation and experiments are also presented to demonstrate the effectiveness of the proposed method.

研究の動機と目的

• 飛行モード（垂直飛行、遷移飛行、水平飛行）をすべて統一的に処理する、モード特化の切り替えなしの統一された飛行制御フレームワークの開発。
• リアルタイムのドローン制御に用いられる非線形最適化ソルバーの高い計算コストを解決すること。
• 非線形ソルバーをRNNベースの近似に置き換えることで、制御の滑らかさを向上させ、アクチュエータの励振を低減すること。
• さまざまな飛行速度および風の影響下でも、RNNベースのコントローラーの安定性とロバストネスを保証すること。
• 包括的なシミュレーションおよび屋外飛行実験を通じて、コントローラーの有効性を検証すること。

提案手法

• コントローラー構造は、外側の位置制御ループと内側の姿勢制御ループから構成され、外側のループでは非線形最適化に基づくソルバーを用いて所望の推力と姿勢を計算する。
• リアルタイムの推力および姿勢指令を求める非線形最適化問題を解くために、逐次凸プログラミング（SCP）ソルバーが使用されるが、計算が高コストである。
• 広範な飛行シミュレーションおよび動的励振から得たデータを用いて、LSTMベースのRNN（SCPNet）を訓練し、SCPソルバーの挙動を模倣する。
• SCPNetはオフボードのNVIDIA TX2にデプロイされ、推論時間が5 ms未満で実現され、50 Hzでのリアルタイム実装が可能となった。
• 内側のループでは、比例姿勢制御とループシェーピング線形角速度制御を用いて、安定な姿勢追従を実現する。
• 線形化をさまざまな飛行速度周辺で行い、閉ループ性能を確認することで、システムの安定性とロバストネスを分析した。

実験結果

リサーチクエスチョン

• RQ1 1つのRNNベースのコントローラーが、モード切り替えなしに尾翼垂直離着陸ドローンのすべての飛行モード（垂直飛行、遷移飛行、水平飛行）を一様かつ滑らかに制御できるか？
• RQ2 高複雑度の非線形ソルバーの出力をRNNがどれほど正確に近似できるか、かつリアルタイム性能を維持できるか？
• RQ3 RNNベースのコントローラーは、元の非線形ソルバーと比較して制御ジタリゼーションを低減し、滑らかさを向上させられるか？
• RQ4 風の影響が実際の飛行におけるRNNベースコントローラーの追従性能に与える影響は何か？
• RQ5 安定性、ロバストネス、軌道追従精度の観点から、RNNベースのコントローラーは従来の手法と比較してどのように優れているか？

主な発見

• RNNベースのSCPNetは、NVIDIA TX2上で5 ms未満の推論時間で実現され、50 Hzでのリアルタイムデプロイが可能となった。
• SCPNetは近似誤差が無視できるほど小さく、屋外飛行実験では位置のRMSEが0.81 m未満、姿勢のRMSEが0.02 deg未満であった。
• RNNの出力は非線形ソルバーの出力と比較して著しく滑らかで、フレキシブルな機体構造の励振を低減した。
• 屋外実験では、位置追従誤差が[-0.98, 3.28] mの範囲に保たれ、ボディX方向加速度誤差が[-1.03, 3.02] m/s²の範囲に収束した。
• 風速4.1 m/sまでの風の影響下でも、システムは安定した性能を示し、低誤差とロバストネスが線形化された安定性解析により確認された。
• 統一コントローラーは、屋内および屋外環境において、離陸、垂直飛行、前後方向の遷移、水平飛行、着陸を含む複雑な軌道を正常に実行した。