⚡ electrical engineering

Error-State LQR Formulation for Quadrotor UAV Trajectory Tracking

Cet article propose une stratégie de commande de suivi de trajectoire robuste pour les drones quadrupèdes qui utilise un régulateur linéaire quadratique (LQR) à état d'erreur avec des coordonnées exponentielles pour les erreurs d'orientation, intégré à un contrôleur de vitesse corporelle en cascade afin d'assurer des performances précises et stables dans des environnements dynamiques.

Auteurs originaux : Micah Reich

Publié 2026-06-08

📖 5 min de lecture🧠 Analyse approfondie

CC0 1.0

Auteurs originaux : Micah Reich

Article original placé dans le domaine public sous CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez d'apprendre à un minuscule hélicoptère à quatre rotors (un quadrotor) à voler parfaitement le long d'un chemin spécifique, comme un funambule suivant une corde dans le ciel. Le problème est que l'hélicoptère est naturellement chaotique ; il vacille, tourne sur lui-même et réagit de manière imprévisible au vent et à ses propres mouvements. Si vous essayez de lui donner un seul ensemble géant d'instructions à suivre pour tout le trajet à la fois, il s'embrouille et s'écrase.

Ce document propose une façon plus intelligente de contrôler le drone, en utilisant une méthode appelée LQR sur l'état d'erreur (Error-State LQR). Voici comment cela fonctionne, décomposé en concepts simples :

1. Le "Drone Fantôme" vs le "Drone Réel"

Au lieu d'essayer de contrôler directement la position réelle et désordonnée du drone, le contrôleur crée un "Drone Fantôme" mental.

Le Drone Fantôme vole parfaitement le long du chemin idéal que vous souhaitez. Il sait exactement où il doit être, à quelle vitesse il doit aller et dans quelle direction il doit être orienté.
Le Drone Réel est celui qui est réellement dans les airs, et qui peut être légèrement hors trajectoire.

Le contrôleur ne se soucie pas de la position absolue du drone (comme "je suis aux coordonnées 10, 10, 10"). Il ne s'intéresse qu'à la différence entre le Drone Réel et le Drone Fantôme. Cette différence est appelée l'État d'Erreur.

2. L'astuce de la "Petite Angulation" (Coordonnées Exponentielles)

L'une des parties les plus difficiles du pilotage d'un drone est de décrire son orientation (dans quelle direction il est incliné). Les méthodes traditionnelles utilisent des angles (comme le tangage, le roulis et le lacet), mais ces angles peuvent devenir mathématiquement "bloqués" ou brisés lorsque le drone se retrouve à l'envers (un problème appelé singularité).

Ce document utilise un outil mathématique ingénieux appelé Coordonnées Exponentielles. Considérez cela non pas comme dire "l'inclinaison est de 90 degrés", mais plutôt comme dire "il faut un petit coup de pouce dans cette direction spécifique pour revenir à l'horizontalité".

Tant que le drone est proche du chemin, ces "petits coups de pouce" sont très faibles et faciles à calculer.
Cela permet à l'ordinateur de traiter le mouvement complexe et de torsion du drone comme un simple problème de ligne droite, ce qui est beaucoup plus rapide à résoudre.

3. L "Équilibre Parfait" (LQR)

Une fois que le problème est simplifié pour ne porter que sur "à quelle distance sommes-nous ?" et "combien de coups de pouce devons-nous donner ?", le contrôleur utilise une stratégie appelée Régulateur Linéaire Quadratique (LQR).

Imaginez que vous équilibrez un balai sur votre main.

Si le balai penche un peu vers la gauche, vous déplacez votre main un peu vers la gauche.
S'il penche beaucoup, vous déplacez votre main beaucoup.
Mais vous ne voulez pas non plus bouger votre main de manière trop brusque, car cela gaspillerait de l'énergie et ferait trembler le balai.

Le LQR est une formule mathématique qui calcule constamment l'équilibre parfait entre :

Remettre le drone sur le chemin rapidement (minimiser l'erreur).
Ne pas utiliser trop de batterie ou de puissance moteur (minimiser l'effort).

Il résout cet équilibre de façon continue des milliers de fois par seconde. Chaque fraction de seconde, il recalcule le chemin du "Drone Fantôme" et demande : "D'accord, étant donné où nous en sommes en ce moment même, quel est le meilleur petit coup de pouce pour revenir sur la bonne voie ?"

4. L'Équipe à Deux Couches (Contrôle en Cascade)

Le document décrit une approche en équipe de deux personnes pour réellement déplacer le drone :

Le Cerveau (le contrôleur LQR) : Ce penseur de haut niveau décide : "Nous devons tourner légèrement vers la droite et accélérer". Il produit une vitesse de rotation souhaitée pour le drone. Il ne sait pas comment fonctionnent les moteurs ; il connaît simplement l'objectif.
Le Muscle (le contrôleur de vitesse corporelle) : Ce travailleur de bas niveau contrôle réellement les moteurs. Il prend l'objectif du Cerveau ("Tourner à droite à cette vitesse") et détermine exactement quelle puissance envoyer à chacun des quatre moteurs pour que cela se produise. Il utilise une boucle de rétroaction simple : "Nous tournons trop lentement ? Donnez plus de puissance aux moteurs. Trop vite ? Ralentissez."

Résumé

En résumé, ce document présente un système où un drone n'essaie pas de mémoriser un chemin de vol complexe. Au lieu de cela, il se compare constamment à une version "Fantôme" parfaite du vol. Il mesure les petites différences, utilise une "balance mathématique" pour déterminer le moyen le plus efficace de corriger ces petites différences, puis envoie des commandes simples à ses moteurs pour exécuter la correction. Cela permet au drone de voler de manière fluide et précise, même dans des environnements complexes et changeants.

Résumé Technique : Formulation LQR à État d'Erreur pour le Suivi de Trajectoire d'un UAV Quadrotor

Énoncé du Problème

Le contrôle des Véhicules Aériens sans Pilote (UAV) quadrotors est complexifié par leurs dynamiques non linéaires intrinsèques, leur sous-actionnement et l'exigence d'un suivi de trajectoire précis au sein d'environnements dynamiques. Les méthodes de contrôle traditionnelles sont souvent confrontées à un compromis entre la gestion efficace de ces non-linéarités et le maintien de la tractabilité computationnelle nécessaire aux applications en temps réel. Plus précisément, la représentation des erreurs d'orientation via des paramétrages standards tels que les angles d'Euler introduit des singularités, tandis que le contrôle direct des dynamiques non linéaires complètes peut s'avérer prohibitivement coûteux pour les boucles de rétroaction à haute fréquence.

Méthodologie

L'article propose une formulation de Régulateur Linéaire Quadratique (LQR) à État d'Erreur conçue pour répondre à ces défis via une architecture de contrôle en cascade et une représentation mathématique spécifique des erreurs.

1. Représentation de l'État d'Erreur

Le cœur de la méthodologie est la définition d'un vecteur d'état d'erreur ( $\delta x$ ) qui capture les écarts par rapport à une trajectoire nominale.

Définition de l'État : L'état complet comprend la position ( $p$ ), la vitesse ( $v$ ) et l'orientation (représentée par un quaternion unité $q$ ).
Définition de l'Erreur : L'état d'erreur $\delta x = [\delta p, \delta \theta, \delta v]^T$ est construit en soustrayant l'état nominal de l'état réel.
Gestion de l'Orientation : Crucialement, l'erreur d'orientation n'est pas représentée par une différence de quaternions ou par des angles d'Euler. Au lieu de cela, elle utilise des coordonnées exponentielles ( $\delta \theta$ ), où la matrice d'erreur de rotation est définie comme $\delta R = \exp([\delta \theta]_\times)$ . Cela fournit une représentation compacte et exempte de singularités de l'erreur d'orientation.

2. Dynamique du Système et Linéarisation

L'article dérive les cinématiques et les dynamiques pour l'état réel, l'état nominal et l'état d'erreur basés sur une hypothèse unique de corps rigide avec masse regroupée.

Dérivation : Les dérivées temporelles des états d'erreur ( $\dot{\delta p}, \dot{\delta v}, \dot{\delta \theta}$ ) sont dérivées. La dérivation emploie des approximations de petits angles et ignore les termes de second ordre pour simplifier la relation entre les dynamiques réelles et nominales.
Linéarisation : La dynamique non linéaire de l'état d'erreur est linéarisée autour de l'erreur de suivi actuelle à une fréquence suffisamment élevée. Cette re-linéarisation itérative permet au système d'être représenté sous la forme $\dot{\delta x} \approx A\delta x + B\delta u$ , où $A$ et $B$ sont des matrices Jacobiennes dérivées des dynamiques d'erreur. Cette approche permet d'utiliser la théorie du contrôle linéaire sur un système non linéaire en mettant à jour continuellement le point de linéarisation.

3. Architecture de Contrôle

La stratégie de contrôle est implémentée comme un système en cascade :

Boucle Extérieure (LQR) : Un contrôleur LQR est conçu pour minimiser une fonction de coût quadratique $J = \int_0^\infty (\delta x^T Q \delta x + \delta u^T R \delta u) dt$ . Le contrôleur calcule une matrice de gain de rétroaction $K$ (via l'équation de Riccati algébrique) pour générer une entrée de commande corrective $\delta u = -K\delta x$ . L'entrée de commande totale est $u_t = u - K\delta x$ .
Boucle Intérieure (Contrôleur de Vitesse de Corps) : Le LQR traite la vitesse angulaire désirée comme une entrée de commande virtuelle. Un contrôleur de vitesse de corps en cascade est employé pour suivre ces vitesses désirées. Cette boucle intérieure utilise un contrôleur Proportionnel (P) avec linéarisation par rétroaction, calculant le couple $\tau$ requis basé sur le tenseur d'inertie $J$ et la différence entre les vitesses angulaires désirées et réelles.

Contributions Clés

Erreur d'Orientation sans Singularité : L'article démontre l'utilisation de coordonnées exponentielles pour représenter les erreurs d'orientation, évitant ainsi les singularités associées aux angles d'Euler.
Re-linéarisation Itérative : Il fournit une dérivation détaillée montrant comment les dynamiques de l'état d'erreur peuvent être linéarisées autour de l'erreur actuelle, permettant à un contrôleur LQR de fonctionner efficacement sur les dynamiques non linéaires du quadrotor en temps réel.
Intégration du Contrôle en Cascade : Le travail intègre le suiveur de trajectoire LQR avec un contrôleur de vitesse de corps, gérant explicitement la correspondance entre les commandes de vitesse angulaire virtuelle et les couples physiques des actionneurs.
Dérivation Complète : L'article offre une dérivation mathématique complète de la cinématique de l'état d'erreur, du processus de linéarisation et de la construction des matrices Jacobiennes ( $A$ et $B$ ) requises pour la formulation LQR.

Résultats

L'article présente des résultats de simulation démontrant les performances du contrôleur proposé.

Suivi de Trajectoire : Le contrôleur parvient avec succès à suivre une trajectoire en lemniscate (en forme de huit).
Suivi du Lacet : Le système suit efficacement les angles de lacet le long de la trajectoire.
Conditions Initiales : Les résultats notent que les erreurs de suivi au tout début de la trajectoire sont attribuées au fait que l'UAV démarre avec une orientation initiale plane ( $q_0 = (1, 0, 0, 0)^T$ ), ce que le contrôleur corrige par la suite.

Signification et Revendications

L'article affirme que cette formulation LQR à état d'erreur offre une solution robuste et computationnellement efficace pour le suivi de trajectoire d'un quadrotor. En exploitant les coordonnées exponentielles et la linéarisation itérative, la méthode atteint :

Précision et Stabilité : La capacité de ramener les erreurs de position, de vitesse et d'orientation vers zéro dans des environnements dynamiques.
Applicabilité en Temps Réel : La représentation du système linéarisé permet des mises à jour de contrôle à haute fréquence sans la charge computationnelle de la résolution de problèmes de contrôle optimal non linéaires complets à chaque étape.
Robustesse : L'approche gère les non-linéarités du quadrotor en se concentnant sur la minimisation des écarts par rapport à une trajectoire nominale plutôt que sur le contrôle direct des dynamiques non linéaires complètes.

Ce travail se positionne comme un cadre pratique pour le contrôle précis des quadrotors, faisant le pont entre la théorie du contrôle linéaire classique (LQR) et la réalité complexe et non linéaire du vol des UAV.