自主无人机导航：一种基于 DDPG 的深度强化学习方法
机器人学
2020-03-25 v1 人工智能
机器学习
信号处理
摘要
在本文中，我们提出一种使用深度强化学习方法的自主无人机路径规划框架。目标是将自训练的无人机作为飞行移动单元，在给定三维城市区域内到达空间分布的移动或静态目标。在该方法中，设计了一种具有连续动作空间的深度确定性策略梯度（DDPG）来训练无人机穿越或越过障碍物以到达其指定目标。我们开发了定制的奖励函数，以最小化无人机与目的地之间的距离，同时对碰撞进行惩罚。数值模拟研究了无人机在学习环境以及为不同选定场景自主确定轨迹方面的行为。
引用
@article{arxiv.2003.10923,
title = {Autonomous UAV Navigation: A DDPG-based Deep Reinforcement Learning Approach},
author = {Omar Bouhamed and Hakim Ghazzai and Hichem Besbes and Yehia Massoud},
journal= {arXiv preprint arXiv:2003.10923},
year = {2020}
}
备注
This paper is accepted for publication in IEEE International Symposium on Circuits and Systems (ISCAS'20), Seville, Spain, Oct. 2020