面向四旋翼无人机底层控制的多智能体强化学习

通过利用四旋翼动力学的底层结构，我们提出多智能体强化学习框架以创新四旋翼的底层控制，其中独立智能体协作以实现共同目标。虽然单智能体强化学习已成功应用于四旋翼控制，但训练一个大型单体网络通常数据密集且耗时。此外，由于四旋翼动力学强耦合的特性，实现敏捷偏航控制仍是一项重大挑战。为此，我们将四旋翼动力学分解为平移和偏航分量，并为各部分分配协作的强化学习智能体以促进更高效的训练。此外，我们引入正则化项以减小稳态误差并防止过度机动。包括仿真到仿真迁移验证在内的基准研究表明，与传统的单智能体方法相比，我们提出的训练方案显著提高了训练的收敛速度，同时增强了飞行控制性能与稳定性。