基于深度强化学习的固定翼无人机连续世界覆盖路径规划

无人机覆盖路径规划（CPP）对于精密农业和搜救等应用至关重要。虽然传统方法依赖离散网格表示，但现实中的无人机运动需要功率效率的连续路径规划。我们在连续环境中对无人机CPP问题进行建模，最小化功耗 while确保完全覆盖。我们的做法将环境建模为可变大小的轴对齐矩形，并将无人机运动建模为受曲率约束的贝塞尔曲线。我们采用基于自适应课程的基于动作映射的软演员-评论者（AM-SAC）算法训练强化学习智能体。实验在程序生成场景和手工制作场景上表明，我们的方法在学习能效覆盖策略方面效果显著。