-
题名多约束复杂环境下UAV航迹规划策略自学习方法
被引量：7
- 1
-
-
作者
邱月
郑柏通
蔡超
-
机构
华中科技大学人工智能与自动化学院多谱信息处理技术国家级重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第5期44-51,共8页
-
基金
江苏省自然科学基金(BK20170914)。
-
文摘
在多约束复杂环境下,多数无人飞行器(UAV)航迹规划方法无法从历史经验中获得先验知识,导致对多变的环境适应性较差。提出一种基于深度强化学习的航迹规划策略自学习方法,利用飞行约束条件设计UAV的状态及动作模式,从搜索宽度和深度2个方面降低航迹规划搜索规模,基于航迹优化目标设计奖惩函数,利用由卷积神经网络引导的蒙特卡洛树搜索(MCTS)算法学习得到航迹规划策略。仿真结果表明,该方法自学习得到的航迹规划策略具有泛化能力,相对未迭代训练的网络,该策略仅需17%的NN-MCTS仿真次数就可引导UAV在未知飞行环境中满足约束条件并安全无碰撞地到达目的地。
-
关键词
深度强化学习
蒙特卡洛树搜索
航迹规划策略
策略自学习
多约束
复杂环境
-
Keywords
deep reinforcement learning
Monte Carlo Tree Search(MCTS)
track planning strategy
strategy selflearning
multiple constraints
complex environment
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
