教師あり学習を用いたARドローンの安定化 教師あり学習を用いた ドローンの安定化 工学部 電気電子工学科 T213015 榎本 1. .研究背景 研究背景・目的 背景・目的 我々の生活にドローンが浸透し始めると同時に、 様々な事故が発生している。しかし、今後ドローン は我々の生活により密接にかかわってくる可能性が 高い。ドローンの大きな問題の一つとして、飛行中 に大きくバランスを崩してしまう、という事が挙げ られる。そのため、人の手による操作だけでは墜落 などの事故を引き起こす可能性がある。本研究では これを防ぐため、教師あり学習を用いて、安定した 滞空性能を獲得することを目的とする。 擁（白井研究室） 図 2. 抽出データ散布図 2.2 教師あり学習による航行の安定化 2.1 節で述べたように時系列としての飛行データが 2. .研究内容 得られたので、これを用いて、図 3 にあげる中間層 AR ドローンとはフランスのパロット社が開発・ を 1 つもつニューラルネットを作成し、学習により 販売を行っているクアッドコプターである[2]。 AR ドローンの制御を考える。 図 1. AR ドローン この AR ドローンに内蔵された 3 軸加速度計のデー タを読み取り、その時系列データを基にして安定し た航行のための制御を行うニューラルネットワーク を構築し、教師あり学習を行う。ここで教師あり学 習とは機械学習の手法の一つであり、入力データ （ドローンの状態）とそれに対する正解（ドローン の制御）とを大量に与えて、いろいろな入力に対し て適切な答えを出力できるようにすることである。 2.1 データの抽出と表示 AR ドローンの操作には、プログラミング言語 Python のモジュール python-ardrone-mastter[1]という プログラムを借用した。提供されているサンプルプ ログラムに対し、x，y，z 軸方向の加速度データを 取得できるように改変した。そして、基礎データの 収集のため、本的に離陸時以外の操作を行わず、大 きくバランスを崩し、墜落する可能性がある場合の み緊急停止措置を行うという条件で飛行実験を行っ た。 図 2 に抽出したデータを示す。プログラムによっ て横方向（vx, 右方向が正）、前後方向（vy, 前方向が 正）、上下方向(vz、上方向が正)の変化量が 0.2 秒ご とに得られる。図では vx と vy の関係を示している。 この結果、vz 方向は安定した動作が得られたが、残 りの 2 方向に対しては何も操作していないにも関わ らず、バランスを崩して墜落することが非常に多か った。そこで、vx, vy 方向の変動を小さくする、図 2 で言えば、各点が原点付近に集まる様な操作をすれ ば安定動作が得られることがあきらかになった。 図 3. AR ドローン制御のためのニューラルネット 2.3 評価方法 学習を終えた AR ドローンの飛行データを取り、 図 2 のように表にまとめて比較する。各点をすべて 内包するような円を描き、その半径を比較すること で評価を下す。また飛行時の映像データを比較し、 体感でどのくらい改善されているかを確認する。 3. .研究結果 時系列データを含む飛行データの収集は 20 回ほど 取り終わっており、追加のデータ収集を行ってニュ ーラルネットワークを作成し、教師あり学習を行う。 4. .考察 （正確にできなかった場合）データを取ったところ の気流の問題、もしくは過学習が原因として挙げら れる。 5.参考文献 参考文献 参考文献 [1] python-ardrone-master (2015) https://github.com/venthur/python-ardrone 2016 年 12 月参照 [2] Parrot 公式サイト (2016) https://www.parrot.com/us/Drones#decouvrez-notregamme- 2016 年 12 月参照
© Copyright 2024 ExpyDoc
