基于双智能体学习的空中轨迹跟踪
机器人学
2024-11-01 v1
摘要
本文提出了一种新颖的强化学习框架，利用双智能体架构实现无人机在杂乱环境中的轨迹跟踪。传统的轨迹跟踪优化方法面临巨大的计算挑战，且在动态环境中缺乏鲁棒性。我们的方法采用深度强化学习(RL)来克服这些限制，利用三维点云数据感知环境，而无需依赖占用网格等内存密集型的障碍物表示。所提出的系统包含两个RL智能体：一个用于预测无人机速度以跟随参考轨迹，另一个用于在存在障碍物时管理碰撞避免。该架构确保了实时性能和对不确定性的适应性。我们通过仿真和真实世界实验证明了该方法的有效性，突显了其相对于最先进的RL和基于优化的方法的改进。此外，采用课程学习范式将算法扩展到更复杂的环境，确保在静态和动态场景中都能实现鲁棒的轨迹跟踪和避障。
引用
@article{arxiv.2410.23571,
title = {Dual Agent Learning Based Aerial Trajectory Tracking},
author = {Shaswat Garg and Houman Masnavi and Baris Fidan and Farrokh Janabi-Sharifi},
journal= {arXiv preprint arXiv:2410.23571},
year = {2024}
}