[论文解读] Motion Primitives for Robotic Flight Control

Baris Eren Perk, Jean-Jacques Slotine|ArXiv.org|Sep 25, 2006

Control and Stability of Dynamical Systems参考文献 36被引用 20

一句话总结

本文提出了一种基于动态运动基元（DMPs）的运动基元框架，结合非线性收缩理论，用于无人机飞行控制，以实现对剧烈无人机机动的稳定、自适应学习。通过模仿人工驾驶飞行数据，并利用加权线性组合与同步技术组合DMPs，该方法在Quanser直升机上实现了高精度轨迹跟踪的避障飞行，证明了所学基元在不同初始条件和目标下的鲁棒性与可重用性。

ABSTRACT

We introduce a simple framework for learning aggressive maneuvers in flight control of UAVs. Having inspired from biological environment, dynamic movement primitives are analyzed and extended using nonlinear contraction theory. Accordingly, primitives of an observed movement are stably combined and concatenated. We demonstrate our results experimentally on the Quanser Helicopter, in which we first imitate aggressive maneuvers and then use them as primitives to achieve new maneuvers that can fly over an obstacle.

研究动机与目标

• 开发一种基于生物启发的稳健框架，用于学习和组合无人机的剧烈飞行机动。
• 解决在复杂动态环境中控制高度非线性、不稳定飞行器的挑战。
• 实现运动基元的稳定串联与重组，以生成新机动，如避障。
• 证明可利用人工驾驶飞行数据作为基础，通过模仿学习实现自主控制的可行性。
• 通过收缩理论扩展DMPs，以在时变目标和控制参数下提升稳定性。

提出的方法

• DMP框架使用一个规范系统来调制时间演化，其非线性强迫函数 f(x,v,g) 由归一化的高斯基函数组成，以塑造轨迹。
• 应用收缩理论以确保DMP系统在时变目标或控制输入下仍具有指数稳定性。
• 通过相位振荡器和稳定吸引子扩展周期性DMPs，以建模周期性飞行行为，如悬停或转弯。
• 提出两种生成新基元的方法：(1) 通过耦合力实现DMPs的双向同步；(2) 对DMPs的力场权重进行加权线性组合。
• 引入一个双滤波动力系统（公式31–33），以增强对时变参数（如 τ(t) 和 g(t)）的鲁棒性。
• 该方法使用来自人工驾驶Quanser直升机的实验数据，提取并分割剧烈机动为可重用的基元以实现再组合。

实验结果

研究问题

• RQ1 能否通过收缩理论稳定并组合DMPs，以实现复杂且剧烈的无人机机动？
• RQ2 如何有效分割和重组人工驾驶飞行数据，生成可重用的运动基元以实现自主飞行？
• RQ3 通过耦合力同步的DMPs能否生成原始数据中不存在的稳定新轨迹？
• RQ4 加权线性组合DMPs在不同起始点和终点下，能在多大程度上生成新的稳定飞行行为？
• RQ5 所提出的DMP框架在时变目标和系统非线性条件下如何保持轨迹跟踪性能？

主要发现

• Quanser直升机成功以高精度跟踪了期望轨迹，对俯仰角和偏航角实现了近乎完美的跟踪。
• 滚转角表现出轻微偏差，但遵循一致模式，表明在多变量控制下具有鲁棒性。
• 滚转轨迹末段观察到振荡现象，可通过改进滚转控制或引入速度观测器加以缓解。
• 通过加权线性组合正弦与余弦DMPs，成功生成了具有中间相位行为的新稳定基元。
• 通过耦合力同步两个DMPs实现了指数收敛，证实了该方法的理论稳定性保证。
• 该方法使直升机成功执行了训练数据中未明确包含的复杂避障机动，展示了基元的泛化能力与可重用性。