面向无人机目标定位的基于递归 PPO 的可扩展去中心化强化学习框架
机器人学
2024-12-10 v1 机器学习
摘要
无人机（UAV）的快速发展为包括环境监测、灾后应急和农业勘测等众多应用提供了可能。通过提高多个去中心化无人机的集体行为，显著可以提高这些应用的效率和协同性。本研究探讨了在无 GNSS/GPS 信号的感知退化环境中用于目标定位的递归 PPO 模型。我们首先开发了单机无人机的目标识别方法，随后构建了去中心化双机模型。该方法可利用无人机上的两种传感器：检测传感器和目标信号传感器。单机无人机模型实现了93%的准确率，而双机模型实现了86%的准确率，且后者所需的平均定位步骤更少。这表明了本方法在无人机集群中的潜力，可在复杂环境条件下高效、有效地定位辐射目标。
引用
@article{arxiv.2412.06231,
title = {A Scalable Decentralized Reinforcement Learning Framework for UAV Target Localization Using Recurrent PPO},
author = {Leon Fernando and Billy Pik Lik Lau and Chau Yuen and U-Xuan Tan},
journal= {arXiv preprint arXiv:2412.06231},
year = {2024}
}
备注
Submitted to TENCON 2024