基于强化学习的反应式特技飞行

四旋翼飞行器已展现出卓越的多功能性，但由于固有的欠驱动特性以及高难度机动的复杂性，其特技飞行潜力在很大程度上尚未被开发。传统方法将轨迹优化与跟踪控制分离，存在跟踪精度低、计算延迟以及对初始条件敏感等问题，限制了它们在动态、高敏捷性场景中的有效性。受数据驱动方法近期突破的启发，我们提出了一种基于强化学习的框架，该框架将无人机状态和特技意图直接映射为控制指令，消除了模块化分离，使四旋翼飞行器能够针对极限特技机动进行端到端的策略优化。为确保训练的高效与稳定，我们引入了一种自动课程学习策略，可动态调整特技任务难度。得益于用于实现稳健零样本sim-to-real迁移的域随机化技术，我们的方法在要求严苛的真实世界实验中得到了验证，包括首次演示无人机在反应式穿越移动门的同时自主执行连续倒飞，展现了前所未有的敏捷性。