バッテリー電圧対応RLがCrazyflife Brushlessで追従誤差49%減、20周レース10.3%短縮

バッテリー放電と負荷による電圧低下を、フィルタ済み電圧入力と高い推力指令範囲の組み合わせで方策に提供することが、既存のフライトコントローラによる電圧補償を保ったまま攻撃的飛行性能を改善できるか。

バッテリー放電と高負荷時の電圧サグにより利用可能推力が変化し、飛行前半に実現できた機動が後半には困難になる。既存フライトコントローラは電圧補償を行うが、保守的な推力指令制限では性能余裕を活用できず、単純に制限を緩めるとモータ飽和と補償の相互作用を方策が扱えず性能が不安定になる。

従来は、電圧補償を備えたフライトコントローラ（BetaflightやArduPilot等）や、状態・ゲート情報のみで行動するRL方策（Swift等）があり、バッテリー効果を訓練に含めても方策への明示的電圧入力は一般的ではなかった。適応モジュールで運動履歴から動特性を推定する手法（DATT、SkyDreamer等）は存在するが、スカラー電圧入力を既存の集団推力・レート制御と組み合わせる比較は限られていた。

同定した負荷過渡バッテリーモデル（端子電圧をデューティとローター速度履歴から予測）を、ローター動力学とファームウェアの電圧補償・デサチュレーションを含むRL訓練シミュレータに統合した。方策は既存コントローラに集団推力とレート指令を送りつつ、フィルタ済み端子電圧（10秒フィルタ）を明示的に観測する。推力指令スケールを0.20Nから0.25Nへ引き上げ、利用可能推力を拡大した。訓練では対称クリティックとバッテリー特権クリティックも比較し、電圧情報の効果を切り分けた。

ハードウェア50回の円追従飛行（各条件5〜6回、20秒間）で、3.36m/sでは全手法が約4cmの平均誤差だったが、3.84m/sではRMSEがStock 14.26cm、High 8.53cm、High-V 7.23cmとなり、High-VはStock比49.3%減、High比15.3%減だった。4.08m/sのストレステストでもHigh-Vが最良で、HighはStockを下回った。レースでは27回の評価飛行（各手法6回の4周、3回の20周）を実施し、4周レースはStock 21.30±0.10秒、High 20.07±0.16秒、High-V 19.26±0.27秒、20周レースはStock 106.22±0.26秒、High 99.76±0.84秒、High-V 95.24±0.44秒となり、High-VはStock比10.3%短縮、High比4.5%短縮した。シミュレーションで電圧入力を別のバッテリー条件の記録に置き換えると、3.84m/sの円追従が悪化し、レースでは3.70V条件でラップタイムが1.84%増加したが4.20V条件ではほぼ影響がなかった。

著者らは、電圧フィードバックと運動履歴適応の統合、電流・電力予測への拡張を将来課題としている。シミュレーションは実機の誤差を過小評価し、Highの再現ではハードウェアで集団推力要求が低くモータ飽和が多かった。単一機体（Crazyflie Brushless）・限られた試行回数での評価であり、バッテリーモデルは固定マウント状態で同定された。また、本論文はプレプリントであり査読を受けていない。