バッテリー状態を考慮した強化学習によるアグレッシブなクアッドロータ飛行

- バッテリー放電と負荷による電圧降下で推力が変化する問題に対処する、Battery-Aware Reinforcement Learning を提案。 - ドローン競技や追跡回避のような高加速度・精密旋回を要するagile flightを対象。 - 学習コントローラが追加推力を活用しつつ、flight controllerのvoltage compensationとrate controlを保持。 - 38 g Crazyflie Brushlessで検証し、円軌道追従誤差49%減、20周レース平均時間106.22 s→95.24 sを達成。

- 従来は保守的なcommand limitsで電圧変動を許容し、性能を使い残していた。 - 本研究は学習コントローラで追加推力を活用しつつ、既存のvoltage compensationとrate controlを維持。 - stock-authority RLと比較し、3.84 m/sでの円追従誤差を49%削減。 - 同じauthority拡大でもvoltage-blind policyよりハードウェア誤差15.3%減、レース時間4.5%減。

- 同定したload-transient battery modelをrotor dynamicsとfirmware saturationに結合した訓練シミュレータ。 - feedforward policyは訓練時と展開時の両方でfiltered voltageを入力として受け取る。 - 制御されたablationで、より大きなthrust-command rangeの利点とvoltage情報の利点を分離。 - 電圧入力の寄与を評価するため、異なるバッテリー条件の記録で置換する実験も実施。

- 38 g Crazyflie Brushlessでの実機実験。 - 3.84 m/sの円軌道追従誤差がstock-authority RL比で49%減少。 - 20周レース平均時間が106.22 sから95.24 sに短縮。 - voltage-blind policy比でハードウェア誤差15.3%減、レース時間4.5%減。 - シミュレーションで電圧入力を別バッテリー条件の記録に置換するとhard-circle trackingが悪化。

- 電圧入力が既存のactuator compensationを補完する場面を示す。 - 電圧情報の効果はタスク依存で、racingでは小さく電圧依存の影響。 - より大きなthrust-command rangeの利点とvoltage情報の利点をablationで区別。 - 限界や一般化可能性、他機体・バッテリーへの適用性は要旨からは不明。

- stock-authority RL（比較対象の強化学習ベースライン）。 - voltage-blind policy（同じauthority拡大で電圧入力なしの比較手法）。 - drone racingおよびpursuit-evasionに関するagile flight研究。 - load-transient battery modelやvoltage compensationに関する研究。 - Crazyflie Brushlessを用いた学習制御の先行研究。