面向先进空中交通应急管理的标准化强化学习框架探索
机器学习
2023-11-21 v1 人工智能
摘要
先进空中交通（AAM）是下一代航空运输，包含电动垂直起降（eVTOL）飞行器、日益自主的飞行操作以及小型无人机系统（UAS）包裹配送等新成员。伴随这些新飞行器与运行概念，人们期望在城市及周边区域将密度提升至远超当今水平，利用新型电池技术，并迈向更自主驾驶的飞行器。为实现这些目标，必须引入新的安全管理系统能力，以在复杂危险演变过程中快速评估风险，并在必要时通过飞行中受监督或自动化的决策执行适当应急措施来缓释风险。近年来，强化学习在包括应急管理在内的广泛应用实时决策中展现出潜力。本工作中，我们将应急管理问题建模为马尔可夫决策过程（MDP），并将该应急管理 MDP 集成至 AAM-Gym 仿真框架。这使得强化学习算法的快速原型开发与现有系统评估成为可能，从而为未来算法开发提供社区基准。我们报告了该环境的基线统计信息并给出示例性能指标。
引用
@article{arxiv.2311.10805,
title = {Towards a Standardized Reinforcement Learning Framework for AAM Contingency Management},
author = {Luis E. Alvarez and Marc W. Brittain and Kara Breeden},
journal= {arXiv preprint arXiv:2311.10805},
year = {2023}
}