无人机控制任务中的强化学习奖励函数
机器人学
2022-07-20 v1 机器学习
神经与进化计算
摘要
本文提出了一种可用于无人机（UAV）控制与导航问题中深度强化学习的新型奖励函数。该奖励函数基于简化目标轨迹（即三阶贝塞尔曲线）的构建与时间估计。该奖励函数可不经修改地应用于二维和三维虚拟环境中解决问题。奖励函数的有效性在一个新开发的虚拟环境中进行了测试，即一个描述无人机控制与飞行动力学的简化二维环境，其中考虑了推力、惯性、重力和空气阻力的作用。在此表述下，成功解决了三个无人机控制与导航任务：无人机飞向空间给定点、规避另一无人机拦截、以及组织一架无人机对另一架无人机的拦截。使用了三种最相关的现代深度强化学习算法：Soft actor-critic、Deep Deterministic Policy Gradient和Twin Delayed Deep Deterministic Policy Gradient。三种算法均表现良好，表明所选奖励函数的有效性。
引用
@article{arxiv.2203.10519,
title = {Reinforcement learning reward function in unmanned aerial vehicle control tasks},
author = {Mikhail S. Tovarnov and Nikita V. Bykov},
journal= {arXiv preprint arXiv:2203.10519},
year = {2022}
}