基于强化学习的无人机自主点到点导航
机器人学
2025-09-18 v1 系统与控制
系统与控制
摘要
无人机（UAV）日益增多地用于需要可靠自主性的自动化检查、投递和导航任务。本项目发展一种强化学习（RL）方法，使单架无人机能够在无需人工干预的情况下自主导航至预定义的目标点。该无人机通过试错与环境交互来学习导航策略，使用自定义奖励函数鼓励目标到达效率，同时惩罚碰撞和不安全行为。控制系统集成了 ROS 与 Gym 兼容的训练环境，实现灵活的部署和测试。训练后，所学策略被部署在实际无人机平台上，并在实际场景下进行评估。结果表明，无人机能够在最小的人工监督下成功执行自主导航，证明了基于 RL 的控制技术在实际场景中可行，用于点到点无人机操作。
引用
@article{arxiv.2509.13943,
title = {Reinforcement Learning for Autonomous Point-to-Point UAV Navigation},
author = {Salim Oyinlola and Nitesh Subedi and Soumik Sarkar},
journal= {arXiv preprint arXiv:2509.13943},
year = {2025}
}
备注
Presented at the Research Experience for Undergraduates (REU) Symposium at the Translational AI Centre in Iowa State University