用于扰动衰减的鲁棒确定性策略梯度及其在四旋翼控制中的应用

本文提出了一种称为鲁棒确定性策略梯度（RDPG）的鲁棒强化学习算法，该算法将 $H_\infty$ 控制问题重新表述为用户与对手之间的两人零和动态博弈。该方法将确定性策略梯度与深度强化学习相结合，以训练能够有效衰减扰动的鲁棒策略。一种实用变体，即鲁棒深度确定性策略梯度（RDDPG），集成了双延迟更新以提高稳定性和样本效率。在无人机上的实验表明，在严重扰动条件下具有卓越的鲁棒性和跟踪精度。