MITなどによる研究チームは、ハイブリットUAV(翼付きドローン)のコントローラを自動的に設計するためのニューラルネットワークを用いた手法を発表しました。
論文:Learning To Fly: Computational Controller Design For Hybrid UAVs With Reinforcement Learning
JIE XU(Massachusetts Institute of Technology)
TAO DU(Massachusetts Institute of Technology)
MICHAEL FOSHEY(Massachusetts Institute of Technology)
BEICHEN LI(Massachusetts Institute of Technology)
BO ZHU(Dartmouth College)
ADRIANA SCHULZ(University of Washington)
WOJCIECH MATUSIK(Massachusetts Institute of Technology)
近年、マルチコプター(無人航空機,UAV)と飛行機の固定翼を組み合わせたハイブリットUAVが登場しており、ホバーモードとフライトモードを切り替え、エネルギー効率の高いフライトを可能にしています。従来の多くは、ローター制御(マルチコプターモード)とウィング制御(飛行機モード)、その切り替え移行をそれぞれコントロールしています。その為、非常に複雑で設計がとりわけ困難なのが現状です。
そこで本論文は、ハイブリッドUAV用のニューラルネットワークアーキテクチャを用いてコントローラを自動的に設計する方法を提案します。ネットワークの訓練には、Reinforcement learning(強化学習)を用います。このフレームワークは、いろんな形のハイブリットUAVに対応しているため、ユーザが設計したハイブリッドUAVジオメトリから計算できます。具体的には、ハイブリッドUAVジオメトリをもとに、シミュレータを用いてどこで切り替えるかなどを強化学習で訓練します。訓練したコントローラとジオメトリに基づいて、対応するハイブリッドUAVを構築し、実際の飛行試験でハイブリットUAVコントローラの性能を検証します。