基于强化元学习的自适应制导

本文提出了一种利用带循环策略与值函数近似器的强化元学习所开发的新型自适应制导系统。循环网络层的使用使得部署的策略能够实时适应作用于智能体的环境力。我们在四项具有未知但高度可变动力学特性的困难任务中，比较了 DR/DV 制导律、采用非循环策略的 RL 智能体以及采用循环策略的 RL 智能体的性能。这些任务包括存在随机发动机故障的安全火星着陆，以及在不明环境动力学特性的小行星上着陆。我们还展示了循环策略仅利用多普勒雷达高度计回波进行导航的能力，从而将制导与导航融为一体。