基于强化学习的空中交通冲突解脱
机器人学
2023-01-06 v1 人工智能
系统与控制
系统与控制
摘要
保持良好间隔（Remain Well Clear），即以适当间隔距离使航空器远离危险，是无人机在拥挤空域安全运行的 essential 技术。本工作聚焦于两架航空器的水平间隔自动化，并将障碍规避问题表述为二维代理优化任务。通过我们的设计，代理任务被做得更保守，以保证解在原始域中的执行。利用强化学习（RL），我们优化规避策略并对动力学、交互与决策建模。通过递归采样所得策略与代理转移，系统将规避策略转化为完整的规避轨迹。随后，求解器通过机器人操作系统（ROS）接口将该轨迹作为一组航点发布供飞机跟随。所提系统生成快速且可实现的满足安全要求的规避轨迹。我们系统在高保真仿真与全尺寸飞机演示中完成评估。此外，本文总结了一项巨大的集成工作，其实现了基于 RL 系统的真实飞行演示。
引用
@article{arxiv.2301.01861,
title = {Reinforcement Learning-Based Air Traffic Deconfliction},
author = {Denis Osipychev and Dragos Margineantu and Girish Chowdhary},
journal= {arXiv preprint arXiv:2301.01861},
year = {2023}
}