双梯度共识改进四旋翼自适应控制

Mingtian Tan 与 Vasileios Tzoumas 提出双梯度共识（DGC）自适应学习方法，用于四旋翼轨迹跟踪中混合域内与短时域外扰动的情形。该方法保留 DAPL 的随机傅里叶特征模型、离线 BPTT 策略与最小二乘自适应，只改动在线更新步长：用长短期梯度记忆判别自适应状态，并以置信图抑制不可靠更新。 作者在数值四旋翼轨迹跟踪中，用四种混合域内分量与短时域外事件的残差进行测试。与 L1 增强 MPC、基于 RFF 的 MPC、固定步长 DAPL 及冻结参数基线相比，DGC 在四种情形下平均位置 RMSE 均最低。上述结果来自作者的数值实验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。