利用事件流和深度强化学习实现无人机端到端跟踪
机器人学
2024-10-22 v1 人工智能
神经与进化计算
摘要
本文提出了一种用于增强无人机（UAV）主动跟踪能力的方法，利用事件相机——一种在速度和动态范围方面具有显著优势的低能耗成像传感器。我们设计的跟踪控制器根据安装的事件传感器提供的视觉反馈来响应，调整无人机运动以跟随目标。为了充分利用四旋翼机的全部运动能力和事件传感器的独特特性，我们提出了一种端到端深度强化学习（DRL）框架，将事件流的原始传感器数据直接映射到UAV的控制动作。为在高度可变且具有挑战性的条件下学习最优策略，我们采用带有域随机化的仿真环境，以实现对现实环境的有效迁移。我们通过在具有挑战性情景中的实验演示了方法的有效性，包括快速移动的目标和变化的照明条件，这些情景结果在改进泛化能力方面具有积极影响。
引用
@article{arxiv.2410.14685,
title = {Leveraging Event Streams with Deep Reinforcement Learning for End-to-End UAV Tracking},
author = {Ala Souissi and Hajer Fradi and Panagiotis Papadakis},
journal= {arXiv preprint arXiv:2410.14685},
year = {2024}
}