비구조화된 실외 환경에서 자율 무인 항공기 비행 제어를 위한 다중 작업 회귀 기반 학습

전 세계 무인비행기(UAV, 드론) 산업의 성장은 완전 자동화된 UAV 응용 프로그램의 가능성 확장을 가져왔습니다. 이 연구를 부분적으로 동기부여한 특정 응용 분야는 비정형 실외 환경에서 넓은 지역 탐색 및 감시 작전에 UAV를 사용하는 것입니다. 이러한 환경에서 중요한 문제는 도로 선이나 경로와 같은 자동 비행을 돕는 구조적 특징이 부족하다는 점입니다. 본 논문에서는 숲 천장 아래에서 항법 및 탐사를 위한 비행 명령을 정의할 수 있는 트레일이나 추가 센서(예: GPS) 유무와 상관없이 End-to-End Multi-Task Regression-based Learning 접근법을 제안합니다. 훈련과 테스트는 소프트웨어 인 더 루프(SIL) 파이프라인을 사용하여 수행되며, 이는 최신 자세 추정 기술과의 상세한 평가를 가능하게 합니다. 우리의 광범위한 실험 결과는 제안된 접근법이 필요한 탐색 범위 내에서 밀도 높은 탐색을 수행하는 데 우수하며, 더 넓은 탐색 영역을 커버할 수 있으며, 이전에 보지 못한 미탐사 환경으로 일반화되고, 현대적인 최신 기술보다 우수함을 입증하였습니다.