画像ベース制御
Yaw 角推定モデルと吊り荷 Yaw 制御モデルを結合し、 Raspberry Pi 上で画像ベースの吊り荷 Yaw 制御システムを実証する。 さらに、開発環境との制御結果を比較する。
Raspberry Pi 実行環境
Raspberry Pi を制御装置として使用した。 制御入力となるカメラ画像は Linux 端末上の 3D シミュレーションで生成し、 Raspberry Pi から送信された制御結果を反映して描画を更新する。
システム構成
3D 描画を除く推論および制御処理を、すべて Raspberry Pi 上で実行した。
3D シミュレーター
Yaw 角推定の入力となる吊り荷画像を生成し、Raspberry Pi へ送信する。 Raspberry Pi から受信した制御結果を反映してシーンを更新し、次のカメラ画像を描画する。
Raspberry Pi
入力画像から吊り荷の Yaw 角を推定し、観測値を吊り荷 Yaw 制御モデルへ入力する。 制御モデルが出力した 4 基のスラスター操作量を 3D シミュレーターへ送信する。
評価方法
最も外乱の大きい X1Y1 条件で、HSteel、Plate、Truss の制御を実行した。 開発環境と Raspberry Pi 環境における吊り荷 Yaw 角および スラスター出力の傾向を比較する。
制御を行わない場合の吊り荷 Yaw 角
制御時の吊り荷 Yaw 角と目標角度 90°
4 基のスラスター出力。明るいほど出力が大きい。
制御中の吊り荷姿勢をアニメーションで目視確認。
HSteel
HSteel の吊り荷制御を実行した。 Raspberry Pi 環境でも制御開始後約10秒で目標姿勢へ到達し、その後は 90° 付近を維持した。
Plate
Plate の吊り荷制御を実行した。 Raspberry Pi 環境でも約13秒で目標姿勢へ到達し、その後は 90° 付近を維持した。
Truss
Truss の吊り荷制御を実行した。 Raspberry Pi 環境では開発環境より目標角度への到達が遅れ、60 秒付近で目標 Yaw 角へ到達した。 ただし、最終的には目標角度へ到達し、その姿勢を維持した。
開発環境と似たスラスター出力傾向が見られるが、 目標 Yaw 角への到達に遅れが生じた。
この違いは、吊り荷 Yaw 角の推定誤差の影響によるものと考えられる。Truss / X1Y1 は Yaw 角推定の最大誤差が最も大きい条件であり、 推定値のわずかな違いによって制御モデルの出力が変化した。