RaCIL：基于射线追踪的多无人机复合模仿学习障碍规避
机器人学
2024-07-04 v1 人工智能
机器学习
摘要
本研究通过创新的复合模仿学习方法解决无人机（UAV）障碍规避挑战，结合了基于射线追踪的PPO（Proximal Policy Optimization）、行为克隆（BC）和生成对抗式模仿学习（GAIL）。我们的研究强调射线追踪在增强障碍检测与规避能力方面的重要作用。此外，我们展示了将GAIL纳入后，两个UAV飞行路径协调效果得到改善，碰撞规避能力提升。将所述PPO、BC、GAIL和射线追踪框架扩展至四UAV场景后，证明其在更复杂情形下的可扩展性和适应性。结果表明，我们的方法不仅提升了基于PPO的基础障碍规避可靠性，还为在拥挤或动态环境中实现高级自主UAV操作铺平了道路。
引用
@article{arxiv.2407.02520,
title = {RaCIL: Ray Tracing based Multi-UAV Obstacle Avoidance through Composite Imitation Learning},
author = {Harsh Bansal and Vyom Goyal and Bhaskar Joshi and Akhil Gupta and Harikumar Kandath},
journal= {arXiv preprint arXiv:2407.02520},
year = {2024}
}