一种基于视觉的无人机避障深度强化学习算法
人工智能
2021-03-12 v1 计算机视觉与模式识别
机器人学
摘要
近年来，将强化学习与无人机（UAVs）结合以实现自主飞行一直是一个活跃的研究领域。一个重要部分聚焦于 UAVs 在环境中导航时的障碍物检测与规避。在未知环境中的探索可通过深度 Q 网络（DQN）来解决。然而，采用均匀采样动作进行价值探索可能导致冗余状态，而环境往往固有地具有稀疏奖励。为解决此问题，我们提出两种改进 UAV 避障探索的技术。第一种是基于收敛的方法，利用收敛误差遍历未探索动作，并利用时间阈值平衡探索与利用。第二种是基于引导的方法，使用域网络（Domain Network），该网络采用高斯混合分布将先前所见状态与预测下一状态进行比较，以选择下一动作。这些方法的性能与评估在多个具有复杂度变化的 3-D 仿真环境中实现。所提方法相比当前最优方法在平均奖励上实现了两倍的提升。
引用
@article{arxiv.2103.06403,
title = {A Vision Based Deep Reinforcement Learning Algorithm for UAV Obstacle Avoidance},
author = {Jeremy Roghair and Kyungtae Ko and Amir Ehsan Niaraki Asli and Ali Jannesari},
journal= {arXiv preprint arXiv:2103.06403},
year = {2021}
}
备注
12 pages, 6 figures