面向障碍感知的自主无人机赛跑通用策略学习
机器人学
2024-11-08 v1 人工智能
摘要
自主无人机赛跑因其潜在的推动无人机导航技术边界的可能性而受到关注。虽然已有大量研究致力于无障碍环境中的赛跑，但鲜有研究针对障碍感知赛跑进行探讨，且这些方法往往存在过拟合问题，导致所学策略在新环境中的可推广性差。本文旨在使用深度强化学习开发一种可通用的障碍感知无人机赛跑策略。我们提出在每一次滚动之前对赛跑轨道和障碍配置进行域随机化，并结合在随机化环境中进行的平行经验收集，以实现上述目标。通过仿真实验显示，所提出的随机化策略有效，无人机在未见的杂乱环境中可达到最高70公里/小时的赛跑速度。本研究为学习面向障碍感知的无人机赛跑策略以及在杂乱环境中实现通用无人机导航奠定了基础。代码已公开于https://github.com/ErcBunny/IsaacGymEnvs。
引用
@article{arxiv.2411.04246,
title = {Learning Generalizable Policy for Obstacle-Aware Autonomous Drone Racing},
author = {Yueqian Liu},
journal= {arXiv preprint arXiv:2411.04246},
year = {2024}
}
备注
10 pages, 11 figures. This preprint is part of the author's M.Sc. thesis supervised by Ir. Hang Yu and Dr. Ir. Christophe De Wagter, at MAVLab TU Delft. Full thesis is available at https://repository.tudelft.nl