[論文レビュー] Performance, Precision, and Payloads: Adaptive Nonlinear MPC for Quadrotors

Drew Hanover, Philipp Foehn+3 more|arXiv (Cornell University)|Sep 9, 2021

Adaptive Control of Nonlinear Systems参考文献 47被引用数 141

ひとこと要約

本稿では、未知のペイロード、空気力学的効果、風の乱れなどのモデル不確実性をオンラインで学習・補償することで、マルチローターの性能を向上させるハイブリッドな適応非線形モデル予測制御（L1-NMPC）フレームワークを提案する。非線形MPCにL1適応制御を段階的に組み合わせることで、ゲインのチューニングなしに非適応的NMPCと比較して追従誤差を90%以上低減し、最大70 km/hの高速飛行においても、大きな未知の擾乱下でも高精度な飛行を実現する。

ABSTRACT

Agile quadrotor flight in challenging environments has the potential to revolutionize shipping, transportation, and search and rescue applications. Nonlinear model predictive control (NMPC) has recently shown promising results for agile quadrotor control, but relies on highly accurate models for maximum performance. Hence, model uncertainties in the form of unmodeled complex aerodynamic effects, varying payloads and parameter mismatch will degrade overall system performance. In this paper, we propose L1-NMPC, a novel hybrid adaptive NMPC to learn model uncertainties online and immediately compensate for them, drastically improving performance over the non-adaptive baseline with minimal computational overhead. Our proposed architecture generalizes to many different environments from which we evaluate wind, unknown payloads, and highly agile flight conditions. The proposed method demonstrates immense flexibility and robustness, with more than 90% tracking error reduction over non-adaptive NMPC under large unknown disturbances and without any gain tuning. In addition, the same controller with identical gains can accurately fly highly agile racing trajectories exhibiting top speeds of 70 km/h, offering tracking performance improvements of around 50% relative to the non-adaptive NMPC baseline.

研究の動機と目的

• 未知のペイロード、空気力学的効果、風の乱れなどのモデル不確実性によって引き起こされる非線形MPC（NMPC）の性能低下を是正すること。
• モデルの再チューニングや再トレーニングを必要とせず、パラメトリックおよびノンパラメトリックな擾乱を補償するリアルタイム適応制御フレームワークの開発。
• 高精度で高速な軌道追従を、70 km/hのレーシングマニューバーや未知のスリングペイロードを含む、攻撃的な飛行条件下でも実現すること。
• 固定ゲインの1つの制御器で、風の強い環境や質量変動が生じる状況など多様な環境においても、ロバスト性と柔軟性を維持すること。
• 最先端のデータ駆動型およびモデルベースのMPC手法と比較して、優れた追従性能を達成しつつ、計算コストを最小限に抑えること。

提案手法

• 非線形モデル予測制御（NMPC）とL1適応制御を段階的構造で組み合わせ、適応層がリアルタイムでモデル不一致を補正する。
• 適応則は、NMPCが使用する同じ非線形動的モデルに基づき、個々のローター推力レベルで導出され、一貫性と安定性を確保する。
• 適応制御器は10マイクロ秒未塔で補正制御信号を計算し、最小限の計算コストで高速なリアルタイム補正を実現する。
• 事前知識やモデル更新なしに、未知のペイロード質量（マルチローター質量の最大60%まで）や外部の空気力学的力などの未知擾乱を学習・補償する。
• 制御器は環境間で容易に移行可能であり、風の擾乱、未知のスリングペイロード、高能動的レーシング軌道の下でも再チューニングなしに安定して動作する。
• 正確な空気力学的モデルやデータ駆動型モデルのオンライン再トレーニングに依存せず、未モデル化動的特性を補正するための適応推定を用いる。

実験結果

リサーチクエスチョン

• RQ1 未知のモデル不確実性（変動するペイロードや空気力学的効果）が存在する状況下で、適応制御器がNMPCの追従性能を顕著に向上させ得るか？
• RQ2 1つの固定ゲイン制御器が、風、未知質量、攻撃的マニューバーを含む多様な擾乱を再チューニングなしにどの程度処理できるか？
• RQ3 同一条件下で、適応的NMPCの性能が非適応的NMPCおよび最先端のデータ駆動型MPC手法と比較してどのように異なるか？
• RQ4 適応制御器が最小限の計算コストでリアルタイムで擾乱を効果的に補正できるか？
• RQ5 極端な加速度（4g以上）や高速飛行（例：70 km/h）下でも、この手法が高精度を維持できるか？

主な発見

• 未知のペイロードがマルチローター質量の最大60%まである状況でも、非適応的NMPCと比較して追従誤差を90%以上低減した。
• 空気力学的モデルを搭載しない状況下でも、高速円形軌道（最大36 km/h）において、非適応的SRT-NMPCベースラインと比較して追従性能が49%向上した。
• マルチローター質量の13%に相当する未知のスリングペイロードを搭載した状況で、非適応的NMPC（ペイロードなし）と比較して44%高い精度を達成した。
• 風の擾乱下でもロバスト性を示し、ファンで発生させる乱流領域を通過しても、参照軌道に密接に追従した。
• 適応制御器は補正信号の計算にわずか10マイクロ秒を要し、最小限の計算コストでリアルタイム補正を実現した。
• 同一のゲインを用いた同一制御器が、最大70 km/hの攻撃的レーシング軌道を追従し、非適応的NMPCと比較して追従精度で約50%の優位性を示した。