自主航运强化学习算法鲁棒性评估

近年来，自主航运因其提升海上效率与安全的潜力而受到越来越多的关注。人工智能等先进技术的应用可以解决自主航运中的当前导航与运营挑战。特别是，内陆水路运输（IWT）呈现一系列独特挑战，如拥挤的水道和多变的环境条件。在此类动态环境中，自主航运解决方案的可靠性与鲁棒性是确保安全运营的关键因素。本文考察了在自主航运模拟器中为 IWT 实现的基准深度强化学习（RL）算法，以及它们生成有效运动规划策略的能力。我们证明，一种无模型方法可以在模拟器中达成足够好的策略，成功导航训练期间从未遇到的港口环境。我们特别关注 Soft-Actor Critic（SAC），我们证明其对环境扰动具有内在的鲁棒性，优于最先进的基于模型的 RL 算法 MuZero。本文朝开发可泛化至各类船舶并能导航复杂港口与内陆环境及场景的鲁棒应用 RL 框架迈出了重要一步。