基于带特权信息的强化学习四旋翼机导航
机器人学
2026-03-06 v2 人工智能
计算机视觉与模式识别
摘要
本文提出一种基于强化学习的四旋翼机导航方法，利用高效可微分仿真、新型损失函数和特权信息以 navigate around 大型障碍物。先前的基于学习的方法在表现出狭窄障碍物的场景时表现良好，但在目标位置被大型墙壁或地形阻挡时则难以应对。相比之下，所提方法利用到达时间（ToA）地图作为特权信息和偏航对齐损失，以引导机器人绕过大型障碍物。该策略在包含大型障碍物、尖锐拐角和死角的照片逼真仿真环境中进行评估。我们的 method 实现了 86% 的成功率，并比基线策略高出 34%。我们将该策略部署在自定义四旋翼机上进行户外杂乱环境中的飞行，包括白天和夜晚。该策略在 20 次飞行中得到验证，覆盖 589 米距离，最高时速可达 4 m/s，且未发生碰撞。
引用
@article{arxiv.2509.08177,
title = {Quadrotor Navigation using Reinforcement Learning with Privileged Information},
author = {Jonathan Lee and Abhishek Rathod and Kshitij Goel and John Stecklein and Wennie Tabib},
journal= {arXiv preprint arXiv:2509.08177},
year = {2026}
}