基于深度强化学习的城市环境无人机目标跟踪
机器人学
2020-07-22 v1 系统与控制
系统与控制
摘要
由于视野有限、障碍物造成的可见性遮挡以及目标运动的不确定性，使用无人机在城市环境中进行持续目标跟踪是一项困难任务。飞行器需要在三维空间中智能规划以最大化目标可见性。在本文中，我们引入了目标跟随 DQN（TF-DQN），一种基于深度 Q 网络、带有课程训练框架的深度强化学习技术，使无人机在存在障碍物和目标运动不确定性的情况下持续跟踪目标。该算法通过若干仿真实验在定性与定量上进行了评估。结果表明，无人机在多样环境中持续跟踪目标，并在训练环境与未见过环境中均避开障碍物。
引用
@article{arxiv.2007.10934,
title = {UAV Target Tracking in Urban Environments Using Deep Reinforcement Learning},
author = {Sarthak Bhagat and Sujit PB},
journal= {arXiv preprint arXiv:2007.10934},
year = {2020}
}