面向目标跟踪的双深度Q网络无人机方法
机器人学
2021-05-13 v1
摘要
在存在障碍物和目标运动不确定性的未知真实世界环境中进行目标跟踪,要求智能体发展对环境的内在理解,以预测每个时间步应采取的合适动作。该任务要求智能体通过学习一种考虑真实世界环境各方面的策略,在道路网络中随机机动的运动目标的最大可见性。本文中,我们提出了一种基于DDQN的对最先进无人机目标跟踪方法TF-DQN的扩展,称之为TF-DDQN,其将价值估计与评估步骤分离。此外,为仔细基准测试任一给定目标跟踪算法的性能,我们引入了一种新颖的目标跟踪评估方案,从一组广泛的多样化参数量化其效能。为复现真实世界设定,我们在具有不同漂移条件和环境配置变化的复杂环境中,针对目标跟踪任务将我们的方法与标准基线进行了测试。
引用
@article{arxiv.2105.05464,
title = {Target-Following Double Deep Q-Networks for UAVs},
author = {Sarthak Bhagat and P. B. Sujit},
journal= {arXiv preprint arXiv:2105.05464},
year = {2021}
}