Apr, 2022

使用视觉无人机群进行协作目标搜索：一种自适应嵌入多阶段强化学习方法

PDF
TL;DR本文提出了一种新的数据高效强化学习方法（Adaptive Curriculum Embedded Multi-Stage Learning，ACEMSL）来解决协作目标搜索的挑战，该方法可在可视无人机群中实现协作任务，并通过模拟和实际飞行测试验证了其有效性和泛化能力。
发现论文，激发创造
  • 无人机编队协同学习

    该研究论文提出了一种基于无人机的合作学习系统，用于训练具有数据异质性的神经网络模型，通过优化无人机的轨迹，考虑了设备数据特征和无线信道条件，显著提高了收敛速度和最终准确性，并在图像识别和语义分割任务中取得了令人满意的结果。

    Mar, 2023

  • 无人机敏捷主动目标感知的强化学习

    本文提出了一种基于深度强化学习的方法，用于规划信息轨迹以增加无人机 (UAV) 发现丢失目标的可能性，以此来解决搜索和救援任务中的活动目标探测问题。

    Dec, 2022

  • AMS-DRL: 机载多目标逃逸安全导航的学习

    提出一种异步多阶段深度强化学习的方法（AMS-DRL）来训练对抗神经网络，以应对多个追赶者的攻击并快速适应其行为，确保无人机避免攻击并达到目标。该方法通过保证博弈论分析中的纳什均衡保证收敛性，并在大量模拟中进行了评估，展示其胜过基线的导航成功率。同时，实施了实物实验以验证训练出的策略在实时飞行中的有效性。

    Apr, 2023

  • 动态障碍物下的 3D 环境自主无人机群导航与多目标跟踪

    本研究提出一种基于深度强化学习的自主建模人工群体的方法，以解决手动创建过程时间复杂且不切实际的问题。该方法通过对静态和动态障碍物及阻力的建模，实现了多目标追踪和鲁棒群体形成，而采用的策略包括动态群体管理、避免障碍与追踪对象及岛屿建模。创新的基于策略的深度强化学习算法取得了显著的结果，表明该方法在复杂环境下显著提高了群体导航和追踪多个目标的能力。

    Feb, 2022

  • DSSE: 无人机集群搜索环境

    该研究旨在研究需要动态概率输入的增强学习算法，实现无人机群体寻找海难人员的模拟环境。

    Jul, 2023

  • 应用元强化学习进行策略性物联网部署在灾害应对无人机群的覆盖

    通过优化模型、轻量级元 - 强化学习解决方案以及广泛的模拟实验，在提供了快速收敛的同时，证明了介绍的方法在为战略位置提供覆盖方面优于现有的三种算法。

    Jan, 2024

  • 基于分布式多智能体元学习的 无线无人机网络轨迹设计

    本研究采用基于价值分解的强化学习算法来解决能量限制多个无人机在动态无线网络环境下的航迹规划问题，以最大化无人机服务的用户群组覆盖率，并通过元学习机制优化算法的性能。仿真结果显示，该算法相较于基准多智能体算法，能够分别提高 53.2% 的服务覆盖率和 30.6% 的收敛速度，并且在面对之前未见过的任务时，元学习可提高算法的收敛速度高达 53.8％。

    Dec, 2020

  • 基于协作分布式强化学习的无人机场地覆盖

    本文提出了一种分布式的多智能体强化学习算法，可用于团队的无人机，通过使用协调均衡博弈解决动态联合行动的复杂问题，以及利用高效的函数逼近技术解决大量的状态空间表示挑战，通过仿真和实际实现验证了该无人机团队成功学习完成任务。

    Mar, 2018

  • 移动目标的学习控制策略主动分类

    本文提出了一种基于注意力机制的强化学习架构，通过计算控制输入，移动无人机到最优视角收集多个运动目标的语义信息，填补了 ' 黑匣子 ' 分类器无法对视角和输出建立分析关系的巨大空白。结果显示，该算法不仅优于多个基线算法，而且在未见过训练场景的情况下也具有泛化能力。

    Dec, 2022

  • 异步课程经验回放：一种深度强化学习方法，用于未知动态环境中的无人机自主运动控制

    使用深度强化学习方法，将自主运动控制问题建模成马尔科夫决策过程，并通过异步课程经验回放算法以及课程学习的训练范式，在动态三维环境中训练并改进了无人机控制策略，结果表明，该算法在速度和精度上均优于现有算法，且在不同环境下都表现出较强的鲁棒性和泛化能力。

    Jul, 2022