利用深度强化学习优化密集空域中的碰撞规避
机器学习
2019-12-24 v1 人工智能
机器人学
系统与控制
系统与控制
摘要
随着交通密度上升以容纳新的无人运行，需要新的方法来确保空域保持安全与高效。本文探讨了无人自由飞行交通在密集空域中的运行方式。我们开发并分析了在密集空域中运行的飞行器自主碰撞规避系统，其中传统碰撞规避系统失效。我们提出了一种量化碰撞规避系统决策负担的度量，以及一种衡量碰撞规避系统对空域影响的度量。我们使用深度强化学习为现有碰撞规避方法计算修正量，以应对密集空域。结果表明，修正后的碰撞规避系统能在密集空域中比传统方法更高效地运行，同时保持高水平的安全性。
引用
@article{arxiv.1912.10146,
title = {Optimizing Collision Avoidance in Dense Airspace using Deep Reinforcement Learning},
author = {Sheng Li and Maxim Egorov and Mykel Kochenderfer},
journal= {arXiv preprint arXiv:1912.10146},
year = {2019}
}
备注
Thirteenth USA/Europe Air Traffic Management Research and Development Seminar