TempFuser: 使用长短期时序融合Transformer学习敏捷、战术与特技飞行动作
机器人学
2024-09-26 v4 人工智能
摘要
空战格斗是空中应用中的一项极具挑战性场景,需要全面理解敏捷飞行器的战略机动与空气动力学。空中智能体不仅需要从长期视角理解战斗机的战术演化机动,还需从短期视角对飞行器快速变化的空气动力学作出反应。本文提出TempFuser,一种新颖的长短期时序融合Transformer架构,可在复杂格斗问题中学习敏捷、战术与特技飞行动作。我们的方法将两种不同的时序转移嵌入集成到基于Transformer的网络中,以全面捕捉空中智能体的长期战术与短期敏捷性。通过融合这些视角,我们的策略网络生成端到端飞行指令,从而长期占据主导地位并有效机动规避敏捷对手。在高保真飞行模拟器中训练后,我们的模型成功学习执行战略机动,优于针对各类对手飞机的基础策略模型。值得注意的是,即便面对规格更优的敌手,我们的模型也展现出类人的特技机动,且无需依赖先验知识。此外,其在超音速与低空等挑战性情境中表现出稳健的追踪性能。演示视频可在 https://sites.google.com/view/tempfuser 查看。
引用
@article{arxiv.2308.03257,
title = {TempFuser: Learning Agile, Tactical, and Acrobatic Flight Maneuvers Using a Long Short-Term Temporal Fusion Transformer},
author = {Hyunki Seong and David Hyunchul Shim},
journal= {arXiv preprint arXiv:2308.03257},
year = {2024}
}
备注
8 pages, 7 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L). Copyright 2024 IEEE. Personal use is permitted. For other uses, permission from IEEE is required