基于深度强化学习的安全着陆点选择与规避机动协同考虑

本研究提出了一种用于识别安全着陆位置并规划飞行中规避机动的新型集成框架。最先进的着陆区选择算法利用局部地形特征（如坡度和粗糙度）来判断着陆点的安全性和优先级。然而，当未来存在额外的观测和规避机会时，这些算法无法在考虑整体下降轨迹的情况下评估瞄准所选着陆点这一决策本身的安全性。为应对此挑战，我们提出了一种强化学习框架，该框架在优化着陆点选择策略的同时，优化通往目标着陆点的制导与控制策略。训练后的智能体能够明确考虑地形特征、未来观测质量以及控制，在系统层面评估并选择着陆点，从而实现安全高效的着陆轨迹。所提框架在极具挑战性的着陆场地中实现了94.8$\%$的成功着陆率，此类场地中初始目标着陆点周围超过80$\%$的区域为危险区，其通过下降过程中有效更新目标着陆点与反馈控制增益达成。