DRAL：用于未知室内环境中多无人机导航的深度强化自适应学习
机器人学
2024-12-25 v3
摘要
无人机在室内自主导航面临诸多挑战，主要由于封闭环境中 GPS 精度有限。此外，无人机承载的重型或耗电传感器（如高空货物）的能力有限，加剧了室内自主导航的难度。本文引入一种先进系统，其中无人机仅使用单摄像头即可在室内自主导航以定位特定目标（如未知的亚马逊包裹）。采用深度学习方法，我们训练了一种深度强化自适应学习算法，以发展一种模拟专家飞行员决策过程的控制策略。我们通过在各种室内环境中的实时仿真展示了系统的有效性。我们应用了多种可视化技术以深入了解我们训练的网络。此外，我们将方法扩展到包括用于室内环境中协作提升物体的自适应控制算法。通过集成我们的 DRAL 算法，多个无人机能够学习适应动态条件和不确定性的最优控制策略。这种创新增强了室内导航的鲁棒性和灵活性，为受限空间中复杂的多无人机操作开辟了新可能性。该提出框架在自适应控制和深度强化学习方面取得了重要进展，为实际应用中的复杂多主体系统提供了稳健解决方案。
引用
@article{arxiv.2409.03930,
title = {DRAL: Deep Reinforcement Adaptive Learning for Multi-UAVs Navigation in Unknown Indoor Environment},
author = {Kangtong Mo and Linyue Chu and Xingyu Zhang and Xiran Su and Yang Qian and Yining Ou and Wian Pretorius},
journal= {arXiv preprint arXiv:2409.03930},
year = {2024}
}