基于时间最优规划与强化学习的非平衡 MAV 捕获 MAV
机器人学
2025-03-11 v1 系统与控制
系统与控制
摘要
由于引人入胜的挑战和广阔的应用前景，飞行 MAV（微型飞行器）的捕获引起了越来越多的研究关注。尽管最近取得了进展，但现有工作的一个关键局限是捕获策略通常相对简单，并受到平台性能的制约。本文探讨了能够捕获高机动性目标的控制策略。在不稳定条件下实现目标捕获的独特挑战将此任务与传统追逃和制导问题区分开来。在本研究中，我们从较大的 MAV 平台转向一种专门设计的、配备定制发射装置的紧凑型捕获 MAV，同时保持高机动性。我们探索了时间最优规划（TOP）和强化学习（RL）两种方法。仿真表明，TOP 提供了高机动性和更短的轨迹，而 RL 在实时适应性和稳定性方面表现出色。此外，RL 方法已在真实场景中进行了测试，即使在不稳定状态下也成功实现了目标捕获。
引用
@article{arxiv.2503.06578,
title = {Non-Equilibrium MAV-Capture-MAV via Time-Optimal Planning and Reinforcement Learning},
author = {Canlun Zheng and Zhanyu Guo and Zikang Yin and Chunyu Wang and Zhikun Wang and Shiyu Zhao},
journal= {arXiv preprint arXiv:2503.06578},
year = {2025}
}