基于深度强化学习的多旋翼空中机器人运动控制
机器人学
2025-04-15 v2 人工智能
摘要
本文研究了深度强化学习（DRL）在解决增材制造（AM）无人机运动控制挑战中的应用。基于无人机的增材制造有望在大型或危险环境中实现灵活、自主的材料沉积。然而，在变化的有效载荷和潜在干扰下实现多旋翼空中机器人的鲁棒实时控制仍然具有挑战性。传统的控制器如 PID 通常需要频繁的参数重调，限制了它们在动态场景中的适用性。我们提出了一种 DRL 框架，用于学习在 AM 任务中执行航点导航的多旋翼无人机的自适应控制策略。我们在一个旨在处理日益增加的复杂性的课程学习方案中，比较了深度确定性策略梯度（DDPG）和双延迟深度确定性策略梯度（TD3）。我们的实验表明，TD3 在训练稳定性、准确性和成功率之间始终取得平衡，尤其是在引入质量可变性时。这些发现为增材制造中鲁棒、自主的无人机控制提供了一条可扩展的路径。
引用
@article{arxiv.2502.05996,
title = {Motion Control in Multi-Rotor Aerial Robots Using Deep Reinforcement Learning},
author = {Gaurav Shetty and Mahya Ramezani and Hamed Habibi and Holger Voos and Jose Luis Sanchez-Lopez},
journal= {arXiv preprint arXiv:2502.05996},
year = {2025}
}