基于强化学习的无人机在含静态障碍虚拟开放空间中的运动规划
机器人学
2020-12-17 v1 机器学习
摘要
在本研究中，我们应用基于近端策略优化算法的强化学习，在含静态障碍的开放空间中对无人机（UAV）进行运动规划。通过真实无人机应用强化学习存在时间与成本等若干限制；因此，我们使用 Gazebo 模拟器在虚拟环境中训练虚拟四旋翼无人机。随着强化学习的推进，模型的平均奖励和到达目标率均得到提升。此外，对训练后模型的测试表明，使用本文提出的简单奖励函数，无人机以 81% 的目标率到达目标。
引用
@article{arxiv.2009.11799,
title = {Motion Planning by Reinforcement Learning for an Unmanned Aerial Vehicle in Virtual Open Space with Static Obstacles},
author = {Sanghyun Kim and Jongmin Park and Jae-Kwan Yun and Jiwon Seo},
journal= {arXiv preprint arXiv:2009.11799},
year = {2020}
}
备注
Submitted to ICCAS 2020