基于深度强化学习的三维城市流场中的导航
人工智能
2025-10-30 v1 流体动力学
摘要
无人机正日益增多地进入城市区域，用于投递和监视目的。本文开发了一种基于深度强化学习的优化导航策略。该环境由三维高保真城市流场仿真表示，特点为湍流和回流区。本文提出的算法是一种结合了流态化的近端策略优化（PPO）以及门控变换超大型（GTrXL）架构的流感知型PPO，使智能体能够获得关于其导航所处湍流流场中更丰富的信息。将结果与不含次级预测任务的PPO+GTrXL、结合长短期记忆（LSTM）单元的PPO以及传统导航算法进行比较。获得的结果显示，与PPO+LSTM、PPO+GTrXL和经典齐ermelo导航算法相比，成功率（SR）显著提高，碰撞率（CR）降低，为在复杂城市环境中重新构想无人机格局 paving the way to a completely reimagined UAV landscape in complex urban environments.奠定了基础。
引用
@article{arxiv.2510.25679,
title = {Navigation in a Three-Dimensional Urban Flow using Deep Reinforcement Learning},
author = {Federica Tonti and Ricardo Vinuesa},
journal= {arXiv preprint arXiv:2510.25679},
year = {2025}
}