一种融合模仿学习与强化学习的鲁棒敏捷飞机控制方法——基于有限飞行员示教数据
人工智能
2024-01-18 v1 机器学习
机器人学
系统与控制
系统与控制
摘要
本文提出一种构建数据驱动机动生成模型的方法，用于敏捷飞机，使其能泛化至广泛的配平状态与飞机模型参数。机动生成模型在飞机原型测试与评估中起着关键作用，可提供对飞机机动性与敏捷性的洞察。然而，构建此类模型通常需要大量真实飞行员数据，获取过程耗时且成本高昂。此外，基于有限数据构建的模型往往难以泛化至原始数据集所涵盖的特定飞行条件之外。为应对这些挑战，我们提出一种混合架构，利用一个称为源模型的仿真模型。该开源敏捷飞机仿真器与目标飞机具有相似的动力学特性，使我们能够生成无限数据以构建代理机动生成模型。随后，我们利用有限真实飞行员数据将该模型微调至目标飞机。我们的方法结合了模仿学习、迁移学习与强化学习技术来实现这一目标。为验证所提方法，我们使用土耳其航空航天工业公司（TAI）提供的真实敏捷飞行员数据。通过将F-16作为源模型，我们证明可以在无需任何额外真实飞行员数据的情况下，构建一个能泛化至多种配平状态与飞机参数的机动生成模型。结果展示了我们的方法在开发鲁棒且适应性强的敏捷飞机模型方面的有效性。
引用
@article{arxiv.2401.08663,
title = {An Integrated Imitation and Reinforcement Learning Methodology for Robust Agile Aircraft Control with Limited Pilot Demonstration Data},
author = {Gulay Goktas Sever and Umut Demir and Abdullah Sadik Satir and Mustafa Cagatay Sahin and Nazim Kemal Ure},
journal= {arXiv preprint arXiv:2401.08663},
year = {2024}
}
备注
Preprint submitted to Aerospace Science and Technology