인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This paper presents a proximal policy optimization (PPO)-based model reference tracking controller design for quadrotor unmanned aerial vehicles (UAVs). First, the quadrotor UAV is divided into the attitude and position systems, and each system is expressed as a nonlinear state-space equation. Thereafter, we design a linear reference model, which is used to derive the tracking error dynamics. The proposed neural network model implements a PPO-based reinforcement learning algorithm consisting of an actor approximating a policy and a critic corresponding to a state-value function. The actor receives the state variables of the tracking error dynamics as input and outputs the thrust values to be applied to each axis. Further, we decentralize the PPO-based controller into the attitude and position controllers, which are then trained separately. For learning purposes, we implement an environment code that expresses the tracking error dynamics of the quadrotor by extending the OpenAI Gym environment. Finally, a simulation example is provided to show the position tracking performances of up to 0.0166 m and 0.0254 m for the horizontal and vertical axes, respectively.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
