AgilePilot: 基于深度强化学习的无人机智能体，用于动态环境中的实时运动规划
机器人学
2025-04-23 v2
摘要
在动态环境中实现自动无人机导航仍是一个关键挑战，尤其是当面对不可预测的场景时，包括快速移动的物体和快速变化的目标位置。在处理这种动态问题时，传统规划器和经典优化方法虽已广泛使用，但常面临实时、不可预测的变化，导致在适应性和实时决策方面表现次优。本文提出了一种 novel 的运动规划器AgilePilot，基于深度强化学习（DRL）训练于动态条件下，结合飞行期间的实时计算机视觉（CV）进行物体检测。训练到部署的框架弥合了Sim2Real的鸿沟，利用精细的奖励结构在环境条件下促进安全性和敏捷性。该系统能够快速适应变化的环境，在实际场景中实现最高3.0米/秒的速度。与此相比，我们的方法在性能和动态目标的跟踪精度方面优于基于人工势场（APF）的运动规划器提升了3倍，同时在75次实验中实现90%的成功率。这一工作凸显了DRL在解决实时动态导航挑战方面的有效性，为智能安全与敏捷性提供了解决方案。
引用
@article{arxiv.2502.06725,
title = {AgilePilot: DRL-Based Drone Agent for Real-Time Motion Planning in Dynamic Environments by Leveraging Object Detection},
author = {Roohan Ahmed Khan and Valerii Serpiva and Demetros Aschalew and Aleksey Fedoseev and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2502.06725},
year = {2025}
}
备注
Manuscript has been accepted at 2025 INTERNATIONAL CONFERENCE ON UNMANNED AIRCRAFT SYSTEMS (ICUAS)