基于深度强化学习的无人机虚拟管道视觉避障
作者机构:自动化学院人工智能学院南京邮电大学 南京航空航天大学自动化学院 浙江大学控制科学与工程学院 北京计算机技术及应用研究所
出 版 物:《自动化学报》 (Acta Automatica Sinica)
年 卷 期:2024年
核心收录:
学科分类:08[工学] 081105[工学-导航、制导与控制] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程]
基 金:直升机动力学全国重点实验室(2024-ZSJ-LB-02-05) 机械结构力学及控制国家重点实验室(MCMS-E-0123G04) 工业控制技术全国重点实验室(ICT2023B21) 南京邮电大学校级自然科学基金(NY223119)资助
摘 要:针对虚拟管道下的无人机自主避障问题,提出一种基于视觉传感器的自主学习架构.通过引入新颖的奖励函数,设计了一种端到端的深度强化学习控制策略.融合卷积神经网络和循环神经网络的优点构建双网络,降低了网络复杂度,对无人机深度图像进行有效处理.进一步通过Airsim模拟器搭建三维实验环境,采用连续动作空间优化无人机飞行轨迹的平滑性.仿真结果表明,与现有的方法对比该模型在面对静态和动态障碍时,训练收敛速度快,平均奖励高,任务完成率分别增加9.4%和19.98%,有效实现无人机的精细化避障和自主安全导航.