[論文レビュー] RotorPy: A Python-based Multirotor Simulator with Aerodynamics for Education and Research

Spencer Folk, James Paulos+1 more|arXiv (Cornell University)|Jun 7, 2023

Aerospace Engineering and Energy Systems被引用数 8

ひとこと要約

RotorPyは、風力トルク、アクチュエータ、センサー、風モデル、教育と研究のためのモジュール式環境を備えた6自由度ダイナミクスを特徴とするPythonベースのUAVシミュレータです。風推定のケーススタディと実データとのベンチマークを含みます。

ABSTRACT

Simulators play a critical role in aerial robotics both in and out of the classroom. We present RotorPy, a simulation environment written entirely in Python intentionally designed to be a lightweight and accessible tool for robotics students and researchers alike to probe concepts in estimation, planning, and control for aerial robots. RotorPy simulates the 6-DoF dynamics of a multirotor robot including aerodynamic wrenches, obstacles, actuator dynamics and saturation, realistic sensors, and wind models. This work describes the modeling choices for RotorPy, benchmark testing against real data, and a case study using the simulator to design and evaluate a model-based wind estimator.

研究の動機と目的

• estimation, planning, and controlの教育と研究のためのアクセス可能なPythonベースのUAVシミュレーション環境を提供する。
• 6-DoFクアドラコプターのダイナミクスを空力的ワ wrenchおよび推進系ダイナミクス、風の影響とともにモデル化する。
• 現実的なセンサー、風場、障害物、モジュラーコンポーネントを実験用に組み立て可能にする。
• モデルベースの風推定と実飛行データとのベンチマーキングというケーススタディを通じて有用性を示す。

提案手法

• ニュートン・オイラー方程式を用い、制御ワrenchと空力ワrench項を含む多回転体ダイナミクスをモデル化する。
• 相対風速 v_a に基づく寄与風抵抗、ローター抵抗、ブレードフラッピングを含む空力ワrenchを組み込む。
• 応答時間を捉えるための一階モータ遅延を用いてアクチュエータダイナミクスをモデル化する。
• ノイズ、バイアス、ドリフトを含むIMU、外部モーションキャプチャなどのセンサーと、空間・時間プロファイルを持つ風を状態としてシミュレートする。
• 離散制御更新間の連続時間ダイナミクスに対して可変ステップサイズのRK45積分器を使用する。
• 柔軟な実験のために車両、コントローラ、プランナー、風、障害物、センサーを組み立てるEnvironmentクラスを提供する。

実験結果

リサーチクエスチョン

• RQ1 教育用途のための空力およびセンサーモデリングとアクセシビリティをどのように両立させられるか、軽量なPythonベースのUAVシミュレータは。
• RQ2 RotorPyのモデルは実機飛行データで観察されるハードウェアライクなセンサ測定と風の相互作用を再現できるか。
• RQ3 RotorPy生成データとキャリブレーション済みドラグ係数を用いたモデルベースの風推定器はどの程度有効か。
• RQ4 強風下での推力指令と実際の推力を用いた場合のモデル差が、推定・計画・制御研究に与える影響は。

主な発見

Parameter	Unit	Range (min-max)
m	kg	0.375–0.9375
c_{Dx}	N·(m/s)^{-2}	0–1(×10^{-3})
c_{Dy}	N·(m/s)^{-2}	0–1(×10^{-3})
c_{Dz}	N·(m/s)^{-2}	0–2(×10^{-2})
k_{d}	N·rad^{-1}·m·s^{-2}	0–1.19(×10^{-3})
k_{z}	N·rad^{-1}·m·s^{-2}	0–2.32(×10^{-3})

• RotorPyは空力ワrench、アクチュエータ遅延、風の影響を含む現実的な6-DoF UAVダイナミクスを再現する。
• ベンチマークでは、急激な機動中のIMUデータとCrazyflieハードウェア測定との定性的整合性を示す。
• シミュレーション内で加速度計とモーションキャプチャデータを用いて評価した風推定器は、乱択試行の半数でRMSEがおよそ0.5 m/sに達し、失敗はドラグの較正不良に起因する。
• 強風下で実際の推力ではなく commanded 推力を用いた場合に風推定精度が影響を受ける、モデルの差異が生じる。
• データ駆動研究を単一ファイルのワークフローとエクスポート可能な結果でサポートし、強化学習およびパラメータ研究に適している。