基于软演员-评论家 (SAC) 的四旋翼机置信度控制
机器人学
2025-12-23 v1 人工智能
机器学习
摘要
本文提出了一种新的基于强化学习 (Reinforcement Learning, RL) 的四旋翼机控制架构。文献中通常直接控制四个旋翼的转速 (RPM)，而本文旨_is control 四旋翼机的推力矢量。RL 代理计算沿四旋翼 z 轴的总推力百分比，并确定期望的滚转角 (φ) 和俯仰角 (θ)。随后，代理将计算得到的控制信号与当前四旋翼的偏航角 (ψ) 一起发送至姿态 PID 控制器，后者将控制信号映射为电机转速。所采用 Soft Actor-Critic 算法是一种 model-free off-policy 随机 RL 算法。训练结果表明，所提出的推力矢量控制器相较于传统 RPM 控制器具有更快的训练速度。仿真结果显示，该控制器在路径跟随方面更加平滑且更精确。
引用
@article{arxiv.2512.18333,
title = {Reinforcement Learning Position Control of a Quadrotor Using Soft Actor-Critic (SAC)},
author = {Youssef Mahran and Zeyad Gamal and Ayman El-Badawy},
journal= {arXiv preprint arXiv:2512.18333},
year = {2025}
}
备注
This is the Author Accepted Manuscript version of a paper accepted for publication. The final published version is available via IEEE Xplore