le learning de deep co control po policies fo for au
play

Le Learning De Deep Co Control Po Policies fo for Au Autonomous - PowerPoint PPT Presentation

Le Learning De Deep Co Control Po Policies fo for Au Autonomous Ae Aerial Ve Vehicles wi with MP MPC- -Gu Guided Po Policy Se Search Tianhao Zhang, Gregory Kahn, Sergey Levine, Pieter Abbeel


  1. Le Learning De Deep Co Control Po Policies fo for Au Autonomous Ae Aerial Ve Vehicles wi with MP MPC-­‑ -­‑Gu Guided Po Policy Se Search Tianhao ¡Zhang, ¡Gregory ¡Kahn, ¡Sergey ¡Levine, ¡Pieter ¡Abbeel Berkeley ¡Artificial ¡Intelligence ¡Research ¡Laboratory ¡(BAIR)

  2. Mo Motivation • Enable ¡autonomous ¡aerial ¡vehicles ¡(AAVs) to ¡navigate ¡complex, ¡unstructured ¡environments

  3. Ch Challenges • Complex, ¡unstructured ¡environments • no ¡explicit ¡state ¡estimation • Use ¡raw ¡observations ¡from ¡onboard ¡sensors Guided ¡Policy ¡Search ¡* ¡ • high ¡dimensionality ¡ and ¡non-­‑linearity • Real-­‑time ¡evaluation ¡at ¡test ¡time • computationally ¡efficient • Robust ¡to ¡model ¡errors ¡and ¡environment ¡ disturbances Model ¡Predictive ¡Control • flying ¡systems ¡are ¡prone ¡to ¡catastrophic ¡failures * ¡S. ¡Levine ¡& ¡P . ¡Abbeel. ¡"Learning ¡neural ¡network ¡policies ¡with ¡guided ¡policy ¡search ¡under ¡unknown ¡dynamics." NIPS . ¡2014. S. ¡Levine ¡et ¡al. ¡"End-­‑to-­‑end ¡training ¡of ¡deep ¡visuomotor policies." JMLR. 2015.

  4. Ap Approach: ¡ ¡MPC-­‑ -­‑GP GPS • Guided ¡Policy ¡Search ¡(GPS) Objective ¡Cost • Trajectory ¡optimization • Supervised ¡ learning • Policy ¡agreement Policy ¡ Trajectory ¡ Online ¡MPC Agreement ¡Cost • MPC-­‑GPS Optimization • Substitute ¡offline ¡trajectory ¡ optimization ¡for ¡online ¡MPC Execute on ¡Robot Train ¡Neural ¡ Network

  5. Ap Approach: ¡ ¡MPC-­‑ -­‑GP GPS ¡ ¡(cont.) • Training: ¡ • use ¡instrumented ¡setup ¡to ¡obtain ¡ full ¡state ¡information ¡ x • MPC ¡uses ¡ x to ¡generate ¡trajectories • Record ¡observations ¡ o • Policy ¡is ¡trained ¡to ¡map ¡from ¡ o to ¡ u • Test: • No ¡need ¡for ¡instrumented ¡ setup • Policy ¡runs ¡in ¡closed ¡loop

  6. Experiment ¡ Ex ¡Ov Overview Hallway Cylinder Training ¡ Environments • no ¡model ¡error • 0.05kg mass ¡error Model ¡Errors 8% rotor ¡bias perturbed ¡ model ¡params • •

  7. Ex Experimental ¡ ¡Evaluation Cylinder ¡-­‑ 0.05kg ¡mass ¡error Baseline MPC-­‑GPS

  8. Ex Experimental ¡ ¡Ev Evaluation ¡ ¡(cont.) 2x

  9. Ex Experimental ¡ ¡Evaluation ¡ ¡(cont.) 3x

  10. Thank ¡you!

Recommend


More recommend