一种用于无人机自主降落于平台的深度强化学习策略
机器人学
2022-09-08 v1 人工智能
摘要
随着工业发展，无人机正出现在各个领域。近年来，深度强化学习在游戏中取得了令人印象深刻的进展，我们致力于将深度强化学习算法应用于机器人领域，将强化学习算法从游戏场景迁移到真实世界的应用场景。受OpenAI Gym的LunarLander启发，我们决定在强化学习控制无人机领域进行一次大胆尝试。目前，将强化学习算法应用于机器人控制的工作仍然匮乏，与机器人控制相关的物理仿真平台仅适用于经典算法的验证，而不适于接入强化学习算法进行训练。本文中，我们将面对这一问题，弥合物理仿真平台与智能体之间的鸿沟，将智能体连接到物理仿真平台，使智能体能在近似真实世界的仿真器中学习并完成无人机飞行任务。我们提出了一种基于Gazebo（一种物理仿真平台）的强化学习框架（ROS-RL），并在该框架中使用三种连续动作空间强化学习算法来处理无人机自主降落问题。实验显示了算法的有效性，基于强化学习的无人机自主降落任务取得了完全成功。
引用
@article{arxiv.2209.02954,
title = {A Deep Reinforcement Learning Strategy for UAV Autonomous Landing on a Platform},
author = {Z. Jiang and G. Song},
journal= {arXiv preprint arXiv:2209.02954},
year = {2022}
}