基于神经进化训练四旋翼无人机低探测距离协同避撞模型
神经与进化计算
2019-06-04 v1 机器学习
机器人学
摘要
小型无人机(UAV)之间协同自主避撞是实现无人机安全融入民用空域的核心。一种潜在的在线协同方法是互易动作概念,即两架无人机采取预先训练好且相互一致的行动,无需主动在线协调(从而避免了相关的计算负担与风险)。本文提出一种基于学习的方法来训练此类互易机动。神经进化(neuroevolution)利用进化算法同时优化神经网络的拓扑与权重,被用作学习方法——其在一组样本接近场景中运行。与大多数现有工作(最小化飞行距离、能量或风险)不同,此处的训练过程聚焦于最小化所需探测距离这一目标;这在减轻对复杂传感的依赖及其在各种环境下的可靠性方面具有重要的实际意义。采用专门设计的实验与线搜索来识别各样本场景的最小探测距离。为实现高效训练,使用分类器丢弃控制器会失效的动作(无需仿真)。观察到通过神经进化获得的模型对未见过的接近场景泛化良好(即成功避撞)。
引用
@article{arxiv.1906.00052,
title = {Training Detection-Range-Frugal Cooperative Collision Avoidance Models for Quadcopters via Neuroevolution},
author = {Amir Behjat and Krushang Gabani and Souma Chowdhury},
journal= {arXiv preprint arXiv:1906.00052},
year = {2019}
}
备注
Accepted for presentation in (and publication in the proceedings of) 2019 AIAA AVIATION Forum and Exposition (2019 Air Traffic Operations, Management, and Systems Conference)