Jan, 2023

基于强化学习的空中交通冲突解除

PDF
TL;DR本文使用强化学习算法，最小化无人机避障中的水平分离问题，将避障策略转化为一组航迹点，以满足安全需求，并在高保真模拟和实际飞行演示中进行了评估。
uncrewed aerial vehiclesobstacle avoidancereinforcement learningtrajectoryairplane demonstration
发现论文，激发创造
  • 深度强化学习避碰系统的奖励函数优化

    该研究探讨使用代理优化器来调整深度强化学习算法，以优化多种航空器平台，包括无人机的碰撞回避能力，从而提高安全性和操作可行性。

    Dec, 2022

  • 通过深度强化学习实现平滑轨迹避碰

    本论文针对 DRL 导航解决方案中的两个核心问题提出了多种新的代理状态和奖励函数设计，即平滑性训练轨迹和模型泛化能力，利用边缘奖励和平滑度约束来确保无人机平稳飞行，同时大大降低碰撞风险，并演示整个设计和各组件的有效性。

    Oct, 2022

  • 自主空中移动的可解释和安全强化学习

    提出一种深度强化学习（DRL）控制器，通过将耦合的 Q 值学习模型分解为安全感知和效率两个模型，利用周围入侵者的信息作为输入来帮助解决自主自由飞行的冲突。通过该控制器，可以在克服 DRL 控制器的解释性和安全性问题的情况下提高控制任务的性能，同时提供关于环境安全情况的丰富信息。

    Nov, 2022

  • 基于强化学习的空战机动生成

    本研究提出了一种利用深度强化学习技术（TD3）和经验回放（HER）来优化具有 Dubin 车辆动力学特性的无人机在二维空间中达到目标路径的方法，并在两种不同环境下进行了模拟实验，可用于 UAV 自主机动决策等领域。

    Jan, 2022

  • 基于数据驱动的空中交通管制员决策冲突解决方法预测

    本研究中，我们提出深度学习方法来学习空中交通管理领域的交通管制员解决冲突的反应，以增强冲突检测和解决任务的自动化，该方法通过预测可能违反飞机航迹之间的最小分隔约束的冲突解决时刻的轨迹点，来评估其准确性。

    May, 2022

  • 移动机器人避障的安全实践强化学习

    本文提出了一种结合现实强化学习、基于搜索的在线轨迹规划和自动紧急情况干预的高效碰撞避免系统，用于在室内实际环境下的移动机器人安全行驶。实验结果显示该方法比多种基线更优秀，可以实现更高的平均速度、更低的碰撞频率、更高的目标达成率、更小的计算开销和更平滑的整体控制。

    Sep, 2022

  • 通过战略需求容量平衡和基于学习的战术去冲突实现 UAM 的一体化冲突管理

    该研究提出一种将需求能力平衡与强化学习相结合的新框架，用于解决城市空中移动上的战略冲突管理和战术安全分离问题，结果表明，这种预调整方法可以使得目标安全水平得到满足，同时在实现更高操作效率的同时提高空中交通的安全性。

    May, 2023

  • 无人机安全多智能体运动规划中的不确定性下滤波强化学习

    我们提出一种可行的、基于强化学习和约束控制轨迹规划的无人机多智能体安全运动规划器，可以处理不确定的、杂乱的工作空间，并确保安全性、避免碰撞。该方法能够实时实施，相对于仅基于学习的方法，训练过程更简单，数值模拟和实验证明了该方法的有效性。

    Oct, 2023

  • 深度强化学习方法评估城市空中移动低空领域的容量

    本文提出了一种自主 UAV 路径规划框架，采用深度强化学习方法和深度确定性策略梯度算法，通过调整加速度，使无人机在任意环境中在最短时间内到达目的地，回避任何动态或静态障碍物，并避免进入其路 径上现有的先前许可区域，这有助于提高城市空中移动的有效空间容量。

    Jan, 2023

  • 通过分布式强化学习与注意力网络提高自主分离保障

    Advanced Air Mobility 引入了一种新的高效的交通方式，利用车辆自动化和电动飞机在以前服务不足的市场之间提供越来越自主的交通。本文提出了一个基于去中心化强化学习框架的方法，在 AAM 走廊中利用速度和垂直机动提供自主的自主分离能力。通过引入注意力网络用于可变长度的观察处理和分布式计算架构，提高了模型的高训练样本吞吐量，并实现了在具有各种不确定性的高密度、动态环境中确保飞机安全和高效分离的目标。

    Aug, 2023