Robust, High-Rate Trajectory Tracking on Insect-Scale Soft-Actuated Aerial Robots with Deep-Learned Tube MPC
著者: Andrea Tagliabue, Yi-Hsuan Hsiao, Urban Fasel, J. Nathan Kutz, Steven L. Brunton, YuFeng Chen, Jonathan P. How · ICRA 2023
ライセンス
- オープンアクセス
- 論文: CC BY 4.0
以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。
要約
ロバストチューブ MPC を模倣するよう学習した 2 層のニューラルネットワークを適応姿勢制御器とカスケード接続し、0.7 g のソフトアクチュエータ駆動 MAV を 2 kHz で飛行させ、位置 RMSE を 1.8 cm 未満とした。
重要な理由
制約と不確かさを考慮した MPC 的な軌道追従を、昆虫サイズのロボットに対し小型の機外コンピュータ上で 2 kHz で実現しており、著者はこれを機上搭載への道筋とみている。新しいポリシーは約 1 分で学習でき、制御器の調整が速くなる。
課題
サブグラム級の羽ばたき翼 MAV は、モデル不確かさが大きく、ダイナミクスが非常に速く、機上計算能力もほとんどないため、ソフトアクチュエータの絶縁破壊電圧のようなアクチュエータ制限も守りつつ、ロバストで高レートのフィードバックが必要となる。MPC とロバストチューブ MPC は制約と不確かさを扱えるが、制約の厳しいプラットフォーム上で高レートで動かすには計算コストが高すぎる。また既存のサブグラム級制御器は、不確かさや駆動制約を明示的には考慮していない。
提案手法
カスケード制御器である。内側のループは幾何学的姿勢制御器で、緩やかに変化するトルク外乱を推定して打ち消す定常カルマンフィルタ型トルクオブザーバを追加している。外側のループは全結合ネットワーク（32 ニューロンの隠れ層 2 層）で、ホライズン 1 s（N = 50）の軌道追従ロバストチューブ MPC を模倣するよう学習される。学習データは高忠実度シミュレータから得られ、各タイムステップでチューブ内からサンプリングしチューブの補助制御器でラベル付けした 200 個の状態–行動ペアで拡張される。
主な知見
- ロバストチューブ内で追加の状態をサンプリングし、補助制御器でラベル付けすることで、外乱のないシミュレーションで学習したポリシーでも RTMPC のロバスト性を保てる。
- ロールとピッチの角速度を MPC の入力にすることで、不連続な姿勢指令を避け、姿勢制御器への角速度フィードフォワードが可能になる。
- トルクオブザーバは、電源ケーブルまたは安全テザーに由来する可能性のある、位置に依存した外乱を捉えた。円軌道では、機体 x 軸まわりで最大トルク能力の約 30% のトルクを補償した。
- 慣性が小さいおかげで、ロボットは各衝撃の後 200 ms 未満で加速度を 50% 低減した。
主な結果
- 3 軸すべてに沿ったランプ軌道（タスク 1、3 回の試行）：x / y / z の平均位置 RMSE は 0.6 / 0.8 / 0.1 cm、最大絶対誤差は x–y で最大 1.6 cm、z で 0.2 cm。
- これは、以前の SoftFly の研究がホバリングタスクで報告した x–y で 4.0 cm（z で 0.5 cm）に対し、最大絶対誤差を 60% 削減したことになる。
- 安全テザーを棒で突いたランプ軌道（タスク 2、1 回の試行、加速度 0.25 g 超）：x / y / z の RMSE は 0.7 / 1.0 / 0.2 cm、最大絶対誤差は 2.5 / 2.1 / 0.3 cm。
- 半径 5.0 cm、速度 5.2 cm/s の円軌道（タスク 3、3 回の試行）：平均 RMSE は 1.0 / 1.5 / 0.3 cm、最も悪い試行の y の RMSE は 1.8 cm、最大絶対誤差は最大 3.1 cm。
- ポリシーは Speedgoat Baseline Target Machine 上で 2 kHz で動作する。RTX 3090 GPU 2 枚を搭載した Intel i9-10920 上で、各ポリシーの学習には約 1 分（T = 350 ステップ）かかる。
制限事項
- 論文に限界を述べた節はない。制御器は機外の Speedgoat コンピュータ上で動作し、位置と姿勢は Vicon モーションキャプチャから得ていたため、機上搭載を次のステップとして挙げている。
- アクチュエータの配置では機体 z 軸まわりのトルクを生成できないため、ヨーは能動的に制御されていない。
- 軌道の種類（ランプ、円）ごとに別々のポリシーを学習しており、実験中に制御器のパラメータをわずかに調整している。
- モデルは無風を仮定しており、ロボットは電源テザーで飛行し、外乱試験は 1 回の試行で安全テザーを棒で突くことに限られていた。
分野への影響
ICRA 2023 Outstanding Dynamics and Control Paper 賞のファイナリストで、被引用数は 7。ライセンスされた版には、コード、学習済みポリシー、データへのリンクはない。
概要
サブグラム級の超小型飛行体（MAVs）で正確かつ機敏な軌道追従を行うのは難しい。ロボットが小さいために大きなモデル不確かさが生じ、ロバストなフィードバック制御器が求められる一方、速いダイナミクスと計算上の制約により計算コストの高い戦略は実装できない。本研究では、サブグラム級 MAV（0.7 グラム）である MIT SoftFly [1] において、機敏で計算効率の高い軌道追従を行う手法を提示する。我々の戦略はカスケード制御方式を用い、適応姿勢制御器と、軌道追従用ロバストチューブモデル予測制御器（RTMPC）を模倣するよう学習したニューラルネットワークポリシーを組み合わせる。ニューラルネットワークポリシーは我々の最近の研究 [2] を用いて得られ、これによりポリシーは RTMPC のロバスト性を保ちつつ、計算コストはそのごく一部で済む。手法を実験的に評価し、より難しい機動でも位置の二乗平均平方根誤差（RMSEs）を 1.8 cm 未満とし、[3] と比べて最大位置誤差を 60% 削減し、大きな外乱に対するロバスト性を実証した。
リンク
- arXiv 2209.10007: https://arxiv.org/abs/2209.10007
- DOI 10.1109/ICRA48891.2023.10161510: https://doi.org/10.1109/ICRA48891.2023.10161510
- PDF: https://arxiv.org/pdf/2209.10007v1