Key points are not available for this paper at this time.
동적 플랫폼에서 자율 드론 착륙을 마스터하는 것은 예측할 수 없는 속도와 바람, 지면 효과, 도킹 플랫폼의 터빈 또는 프로펠러로 인한 외부 방해로 인해 엄청난 도전 과제를 제시합니다. 본 연구에서는 바람이 부는 조건에서 플랫폼에 착륙하도록 설계된 고급 깊은 강화 학습(DRL) 에이전트인 Lander:AI를 소개합니다. 이는 드론의 자율성과 안전성을 향상시키기 위해 개발되었습니다. Lander:AI는 바람의 난류를 포함한 실제 세계의 복잡성을 반영하는 gym-pybullet-drone 시뮬레이션 환경에서 철저히 훈련되었습니다. 에이전트의 능력은 Crazyflie 2.1 드론을 사용하여 다양한 테스트 시나리오에서 실험적으로 검증되었으며, 이는 시뮬레이션된 환경과 실제 조건 모두를 포함합니다. 실험 결과는 Lander:AI의 고정밀 착륙 능력과 바람으로 인한 방해에도 불구하고 이동 플랫폼에 적응하는 능력을 보여주었습니다. 또한, 시스템 성능은 확장 칼만 필터가 보강된 기본 PID 컨트롤러와 비교하여 착륙 정밀도 및 오류 회복에서 상당한 개선을 나타냈습니다. Lander:AI는 새와 같은 외부 힘에 적응하기 위해 생체 모방 학습을 활용하여 힘의 크기를 알지 못하고도 드론의 적응성을 향상시킵니다. 이 연구는 점검 및 긴급 응용 프로그램에 필수적인 드론 착륙 기술을 발전시킬 뿐만 아니라, 복잡한 공기 역학적 문제를 해결하는 데 있어 DRL의 잠재력도 강조합니다.
Peter et al. (Mon,)는 이 질문을 연구했습니다.