基于课程学习的自主无人机在未知弯曲管道中的导航
机器人学
2025-12-12 v1 机器学习
摘要
在受限的管道环境中实现自主无人机导航仍是一个重大挑战，主要due to 管道几何约束、墙壁的近距离接近以及此类情景中固有的感知局限性。我们提出了一种强化学习方法，使无人机能够在未知三维管道中进行导航，仅依赖激光 LiDAR 和管道中心的条件性视觉检测，无需任何管道几何的先验知识。与此相反，作为确定性基线的 Pure Pursuit 算法可获得管道中心线的显式访问，形成一种旨在评估 RL 能否补偿缺乏几何模型而实现的信任不对称。通过逐步暴露于越来越弯曲的几何形状的渐进式课程学习策略训练该代理，其中管道中心频繁从视野中消失。基于直接可见性、方向记忆和 LiDAR 对称线索的转向-协商机制对于确保此类部分可观测性条件下的稳定导航至关重要。实验表明，PPO 策略能够获得稳健且可推广的行为，持续优于具有几何信息限制的确定性控制器。高保真 3D 环境的验证进一步确认了所学行为对连续物理动力学的可迁移性。该方法提供了一个用于在未知管道环境中自主导航的完整框架，为工业、地下或医疗等场景中的窄管道和弱感知导管导航问题提供了可能。
引用
@article{arxiv.2512.10934,
title = {Curriculum-Based Reinforcement Learning for Autonomous UAV Navigation in Unknown Curved Tubular Conduit},
author = {Zamirddine Mari and Jérôme Pasquet and Julien Seinturier},
journal= {arXiv preprint arXiv:2512.10934},
year = {2025}
}