AirPilot: 基于可解释PPO深度强化学习的非线性PID无人机控制器用于鲁棒自主飞行

导航精度、速度和稳定性对于无人机在动态环境中的安全飞行机动和有效任务执行至关重要。不同的飞行任务可能有不同的目标，例如最小化能耗、实现精确定位或最大化速度。能够实时适应不同目标的控制器极具价值。比例-积分-微分（PID）控制器是无人机及其他控制系统中最流行且广泛使用的控制算法之一，但其线性控制算法无法捕捉动态风况和复杂无人机系统的非线性特性。针对不同任务手动调整PID增益既耗时又需要大量专业知识。本文旨在通过提出AirPilot——一种使用近端策略优化（PPO）的非线性深度强化学习（DRL）增强型比例-积分-微分（PID）无人机控制器——来革新无人机飞行控制。AirPilot控制器结合了传统PID控制的简单性和有效性，以及DRL的适应性、学习能力和优化潜力，使其更适合于环境动态且任务特定性能要求高的现代无人机应用。我们在模拟器中训练了COEX Clover自主无人机的DRL智能体，并在真实实验室环境中实现，这标志着首次尝试将基于DRL的飞行控制器应用于实际无人机的重要里程碑。AirPilot能够将默认PX4 PID位置控制器的导航误差降低90%，将精细调谐PID控制器的有效导航速度提高21%，并将稳定时间和超调量分别降低17%和16%。