面向敏捷无人机主动目标感知的强化学习
机器人学
2022-12-19 v1 人工智能
摘要
主动目标感知是在环境中发现并分类未知数量目标的任务，对搜救任务至关重要。本文提出一种深度强化学习方法，用于规划信息量丰富的轨迹，以提高无人 aerial 飞行器（UAV）发现遗漏目标的可能性。我们的方法高效地（1）探索环境以发现新目标，（2）利用其当前对目标状态的信念并纳入不精确的传感器模型以实现高保真分类，（3）通过采用运动基元库为敏捷 UAV 生成动力学可行轨迹。在随机生成环境上的大量仿真表明，我们的方法在发现和分类目标方面比若干其他基线更高效。与启发式信息路径规划方法相比，我们方法的一个独特之处在于其对先验信念与真实目标分布间不同偏差量具有鲁棒性，从而缓解了针对应用条件设计特定启发式的挑战。
引用
@article{arxiv.2212.08214,
title = {Reinforcement Learning for Agile Active Target Sensing with a UAV},
author = {Harsh Goel and Laura Jarin Lipschitz and Saurav Agarwal and Sandeep Manjanna and Vijay Kumar},
journal= {arXiv preprint arXiv:2212.08214},
year = {2022}
}
备注
5 pages, 2nd Workshop on Trends and Advances in Machine Learning and Automated Reasoning for Intelligent Robots and Systems Reasoning with IEEE/RSJ International Conference on Intelligent Robots and System (IROS 2022)