Battery-Aware RL, Crazyflie 쿼드로터 추적 오차 49% 줄이고 레이싱 10.3% 단축

추가 추력 명령 권한이 비행 성능을 높이는지, 그리고 전압 관측이 그 권한을 활용하는 데 도움이 되는지.

애자일 비행은 강한 가속과 정밀한 선회가 필요한데, 배터리 방전과 부하에 따른 전압 강하로 가용 추력이 달라진다. 보수적인 명령 한계는 이 변화를 견디기 쉽게 만들지만 성능을 남긴다. 추력과 자세 제어가 같은 모터를 공유해 선회 중 한 모터가 포화되면 혼합기가 명령을 줄이거나 재분배해야 한다.

기존 비행제어기는 Betaflight의 sag compensation이나 ArduPilot의 voltage scaling처럼 전압 보상을 일부 제공한다. 학습 비행에서도 Swift가 배터리 효과를 시뮬레이터에 포함했지만 정책 입력은 차량 상태, 게이트, 이전 행동이라 명시적 전압 입력은 아니었다. 보수적 명령 한계와 명시적 전압 피드백 부족이 고출력 구간의 성능을 제한했다.

연구팀은 부하 과도 배터리 모델을 로터 동역학 및 펌웨어 포화와 결합한 시뮬레이터를 만들었다. 단자 전압이 정상상태 로터 속도를 결정하도록 모터 모델을 확장했고, 관측된 전압을 10초 필터로 정책 입력에 추가했다. 동시에 펌웨어 힘 스케일을 0.20N에서 0.25N으로, 요청 추력 스케일을 0.8N에서 1.0N으로 올려 가용 권한을 키웠다. 온보드 보상과 자세율 제어는 유지했고 PPO로 학습했다.

하드웨어 비행 50회에서 3.36m/s 원 추적은 세 방법 모두 평균 약 4cm 오차였다. 3.84m/s에서는 Stock RMSE 14.26cm, High 8.53cm, High-V 7.23cm로 High-V가 Stock 대비 49.3%, 같은 권한의 High 대비 15.3% 낮았다. 4.08m/s 스트레스에서도 High-V가 가장 좋았고 High는 Stock보다 나빠졌다. 20랩 레이싱 시간은 Stock 106.22초, High 99.76초, High-V 95.24초로 High-V가 Stock 대비 10.3%, High 대비 4.5% 빨랐다. 배터리 모델은 held-out 비행에서 전압 RMSE를 50.2mV에서 32.1mV로 낮췄다. 시뮬레이션에서 배터리 조건이 다른 전압 기록을 넣으면 하드 원 추적이 나빠졌고, 레이싱에서는 3.70V 조건에서 랩타임이 1.84% 증가했지만 4.20V에서는 평균 효과가 거의 없었다.

저자들은 시뮬레이션이 3.84m/s와 4.08m/s의 하드웨어 오차를 과소평가한다고 밝혔다. 평가는 단일 Crazyflie Brushless와 4.8m×4.0m 모션캡처 영역의 좁은 코스에서 이뤄졌고, 비행 횟수도 50회 원 추적과 27회 레이싱으로 제한적이다. 배터리 모델 구조는 측정 캠페인 중 선택돼 제어 이득까지 검증된 것은 아니다. 10초 전압 필터는 빠른 부하 변동에는 덜 민감할 수 있고, 54ms 필터는 4.08m/s에서 학습이 불안정했다. 코드 공개 여부는 논문에 보고되지 않았다.