Using multiple UAVs to manipulate the full posture of an object is a promising capability in many industrial applications, such as autonomous building construction and heavy-load transportation. Among various methods, manipulation via cables excels in mechanical simplicity and ease of use, but is challenging from a control perspective. Existing centralized control methods either neglect the dynamic coupling between UAVs and the load or resort to a cascade structure, which limits the operational speed and cannot guarantee safety. In this work, we propose a centralized control method that uses nonlinear model predictive control. This control method takes into account the full nonlinear model of the load-UAV system, as well as the constraints of UAV thrust, collision avoidance, and ensuring all cables are taut. By taking into account the above factors, the proposed control algorithm can fully exploit the performance of UAVs and facilitate the speed of operation. We demonstrate our algorithm through 6-DoF simulations to achieve fast and safe manipulation of the pose of a rigid-body payload using multiple UAVs.


翻译:使用多架无人驾驶航空器来操纵物体的全姿势是许多工业应用,例如自主建筑和重型载重运输的一种有希望的能力。在各种方法中,通过电缆操作在机械简单和便于使用方面优于机械,但从控制角度来说具有挑战性。现有的集中控制方法要么忽视无人驾驶航空器与载荷之间的动态连接,要么诉诸于一个限制操作速度且无法保障安全的级联结构。在这项工作中,我们提议一种使用非线性模型预测控制的集中控制方法。这种控制方法考虑到负载-无人驾驶航空器系统的完整非线性模型,以及无人驾驶航空器推力、避免碰撞和确保所有电缆受到的制约。考虑到上述因素,拟议的控制算法可以充分利用无人驾驶飞行器的性能,便利操作速度。我们通过6-DoF模拟来展示我们的算法,以便用多个无人驾驶航空器快速和安全地操纵硬体有效载荷的构成。

0
下载
关闭预览

相关内容

《校准自主性中的信任》2022最新16页slides
专知会员服务
19+阅读 · 2022年12月7日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年3月14日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员