Key points are not available for this paper at this time.
Pousar de maneira invertida de forma rápida e robusta é uma façanha desafiadora para robôs aéreos, especialmente quando dependem inteiramente de sensoriamento e computação a bordo. Apesar disso, essa façanha é rotineiramente realizada por voadores biológicos, como morcegos, moscas e abelhas. Nosso trabalho anterior identificou uma conexão causal direta entre uma série de pistas visuais a bordo e ações cinemáticas que permitem a execução confiável dessa manobra acrobática desafiadora em pequenos robôs aéreos. Neste trabalho, utilizamos Aprendizado por Reforço Profundo e uma simulação baseada em física para obter uma política de controle geral e ótima para pouso invertido robusto, começando de qualquer condição de abordagem arbitrária. Essa política de controle otimizada fornece um mapeamento computacionalmente eficiente do espaço de observação emulado do sistema para seu espaço de ação de comando motor, incluindo tanto o acionamento quanto o controle de manobras rotacionais. Isso foi realizado treinando o sistema em uma ampla gama de velocidades de voo de aproximação que variaram em magnitude e direção. Em seguida, realizamos uma transferência sim-para-real e validação experimental da política aprendida por meio da randomização de domínio, variando os parâmetros inerciais do robô na simulação. Através de testes experimentais, identificamos vários fatores dominantes que melhoraram consideravelmente a robustez do pouso e os principais mecanismos que determinaram o sucesso do pouso invertido. Esperamos que a estrutura de aprendizado por reforço desenvolvida neste estudo possa ser generalizada para resolver tarefas mais desafiadoras, como utilizar dados sensoriais a bordo ruidosos, pousar em superfícies de várias orientações ou pousar em superfícies em movimento dinâmico.
Habas et al. (Mon,) estudaram essa questão.