基于强化学习的 UAS 受显著扰动控制
机器人学
2026-03-23 v1 机器学习
系统与控制
系统与控制
摘要
本文提出了一种基于强化学习 (RL) 的控制框架，用于对受显著扰动影响的无人空中系统 (UAS) 的位置和姿态进行控制。该方法学习了触发信号与扰动力之间的关系，使系统能够在扰动发生前对其进行预判并进行抵消。我们训练和评估了三个策略：一个在未暴露于扰动的情况下训练的基线策略，一个在暴露于扰动但未获取触发信号的反应性策略，以及一个将触发信号作为观察量并在训练期间暴露于扰动的预测性策略。我们的仿真结果表明，预测性策略通过主动纠正机动显著优于其他策略，最小化了位置偏差。这一工作凸显了将预测线索整合到 RL 框架中以提高 UAS 性能的潜力。
引用
@article{arxiv.2504.08114,
title = {RL-based Control of UAS Subject to Significant Disturbance},
author = {Kousheek Chakraborty and Thijs Hof and Ayham Alharbat and Abeje Mersha},
journal= {arXiv preprint arXiv:2504.08114},
year = {2026}
}
备注
Accepted at ICUAS 2025