Crazyflie 2.1

基于机器学习的控制器提升四旋翼飞行器轨迹跟踪性能

研究人员开发了一种新颖的、基于机器学习的四旋翼飞行器反馈线性化控制框架，旨在处理未建模动力学和非线性。该系统利用高斯径向基函数神经网络，实时更新其权重以补偿空气阻力和执行器动力学等不确定性。理论上保证了控制律能够确保闭环稳定性和轨迹跟踪的渐近收敛性。在Crazyflie 2.1四旋翼飞行器上的实验表明，与基线控制器相比，该方法在跟踪精度方面有了显著提高，位置范数和偏航姿态的均方根误差（RMSE）分别降低了7.13%以上和49.27%。