Battery-aware RLExperten
Batteriebewusstes Reinforcement Learning für aggressiven Quadrocopter-Flug
Der Preprint stellt eine RL-Policy für einen 38 g Crazyflie Brushless vor, die eine gefilterte Batteriespannung beobachtet und einen erweiterten Schubkommando-Bereich nutzt. Gegenüber der Standard-Autoritäts-Baseline sinkt der Trackingfehler beim Kreisen mit 3,84 m/s um 49,3 % (von 14,26 cm auf 7,23 cm RMSE), und die mittlere 20-Runden-Rennzeit fällt von 106,22 s auf 95,24 s. Das zeigt, dass explizite Spannungsinformation die vorhandene Firmware-Kompensation bei aggressivem Flug ergänzt.