面向 eVTOL 无人机的最优起飞轨迹设计的 Transformer 引导深度强化学习
机器学习
2026-05-06 v2
摘要
电垂直起降（eVTOL）飞机的快速发展为缓解城市交通拥堵提供了广阔机遇，但受限于过度的能源需求，尤其是在起飞阶段。因此，开发最小能源消耗的起飞轨迹对于更广泛的 eVTOL 飞机应用至关重要。传统的最优控制方法（如动态编程和线性二次型调节器）提供了高度有效且成熟的解决方案，但因问题维度和复杂度受到限制。深度强化学习（DRL）作为一种人工智能方法，正在处理复杂的非线性系统；然而，训练难度是限制 DRL 应用的关键瓶颈。为解决这些挑战，我们提出了一种利用 Transformer 在每个时间步探索真实状态空间的 Transformer 引导 DRL，以缓解训练难度。我们在以最小能源消耗为目标、满足起飞条件（即最小垂直位移和最小水平速度）的情况下，对变动的控制变量（即电源和机翼角度相对于垂直方向）进行 eVTOL 无人机的最优起飞轨迹设计，展示了所提出的 Transformer 引导 DRL。结果表明，Transformer 引导 DRL 智能体学习所需时间为 个时间步，仅为原始 DRL 智能体所需 个时间步的 25%。此外，Transformer 引导 DRL 在能源消耗方面达到了对参考解的 97.2% 精度，而原始 DRL 达到 96.1% 精度。因此，所提出的 Transformer 引导 DRL 在训练效率和最优设计验证方面均优于原始 DRL。
引用
@article{arxiv.2511.14887,
title = {Transformer-Guided Deep Reinforcement Learning for Optimal Takeoff Trajectory Design of an eVTOL Drone},
author = {Nathan M. Roberts and Xiaosong Du},
journal= {arXiv preprint arXiv:2511.14887},
year = {2026}
}
备注
Conference version with 12 pages and 3 figures