基于随机障碍物的四旋翼赛车课程强化学习
机器人学
2026-03-02 v1
摘要
自动无人机赛车越来越受关注，作为探索敏捷飞行极限的研究主题。然而，现有研究主要聚焦于无障碍赛道，而障碍物引入的感知与动态挑战仍鲜有探讨，常导致实际飞行中成功率低且鲁棒性有限。为此，我们提出了一种 novel 基于视觉的课程强化学习框架，用于训练能够应对未知障碍物的鲁棒控制器。我们结合多阶段课程学习、域随机化和多场景更新策略，以解决障碍规避与闯门通过之间的冲突挑战。我们的端到端控制策略实现为单个网络，使四旋翼在具有可变障碍物的环境中实现高速飞行。硬件在环和实际飞行实验表明，我们的方法在障碍丰富环境下的配速时间更快、成功率更高，有效推动了障碍丰富环境下的无人机赛车。视频和代码均可在 https://github.com/SJTU-ViSYS-team/CRL-Drone-Racing 查阅。
引用
@article{arxiv.2602.24030,
title = {Curriculum Reinforcement Learning for Quadrotor Racing with Random Obstacles},
author = {Fangyu Sun and Fanxing Li and Yu Hu and Linzuo Zhang and Yueqian Liu and Wenxian Yu and Danping Zou},
journal= {arXiv preprint arXiv:2602.24030},
year = {2026}
}