一种领域知识辅助的深度强化学习方法用于飞行控制设计
人工智能
2024-10-30 v2 机器学习
系统与控制
系统与控制
摘要
本文旨在探讨利用新兴的深度强化学习技术进行飞行控制的潜力。我们建议利用可用的领域知识来辅助学习，而非从零开始学习，以提高学习效率和泛化能力。更具体地，所提方法将自动驾驶仪结构固定为典型的三回路自动驾驶仪，并利用深度强化学习来学习自动驾驶仪增益。为解决飞行控制问题，我们随后构建了一个具有适当奖励函数的马尔可夫决策过程，以使强化学习理论得以应用。另一类领域知识被用于定义奖励函数，即通过考虑重要控制目标对参考输入进行塑形，并在奖励函数中使用塑形后的参考输入。利用最先进的深度确定性策略梯度算法来学习一个将观测状态映射到自动驾驶仪增益的动作策略。我们进行了大量的数值仿真以验证所提出的计算控制算法。
引用
@article{arxiv.1908.06884,
title = {A Domain-Knowledge-Aided Deep Reinforcement Learning Approach for Flight Control Design},
author = {Hyo-Sang Shin and Shaoming He and Antonios Tsourdos},
journal= {arXiv preprint arXiv:1908.06884},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication