基于强化学习的无人机航空检验行为：用于树冠下森林环境
机器人学
2026-05-20 v1 人工智能
最优化与控制
摘要
本文解决了在树冠下森林环境中使用基于深度强化学习(RL)的低层无人机控制器的问题，该控制器是自动无人机导航堆栈的一部分，用于航空检验任务。具体而言，本文提出了一种端到端(将状态映射到转子速度)的无人机控制策略，实现了检视视角姿态跟踪(同时进行位置和偏航参考跟踪)，这对于各种目标检验行为和森林中的点对点导航至关重要。为了确保在长距离任务中端到端RL控制器的安全可靠部署，本文利用由旅行商问题规划器(TSP)和快速探索随机树星(RRT*)规划器组成的更高层导航引导层。TSP规划器在已知森林地图和一组用户指定的检验区域集合上，找到最优的访问序列。在两个目标区域之间，RRT*规划器生成遵循低层端到端RL策略跟踪限制的无碰撞路径。通过五个目标检验场景，本文证明了基于RL的电机级稳定控制器，由导航引导层支持，可有效用作树冠下森林检验任务的低层检验执行模块。
引用
@article{arxiv.2605.19202,
title = {Aerial Inspection Behaviors via RL-based Quadrotor Control for Under-canopy Forest Environments},
author = {Fausto Mauricio Lagos Suarez and Akshit Saradagi and Vidya Sumathy and Viswa Narayanan Sankaranarayanan and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2605.19202},
year = {2026}
}
备注
Submitted to 2026 IEEE 22nd International Conference on Automation Science and Engineering