Jun, 2024

高级空中机动性的应急管理中考虑深度强化学习时的权衡

PDF
TL;DR这篇论文探讨了在现代航空运输中引入的先进空中机动性（AAM）所带来的挑战和机遇，着重研究了自主运营需要的控制系统以及使用深度强化学习（DRL）技术进行演示环境中的危害减轻的比较。
advanced air mobilityautomationcontingency management systemsartificial intelligencedeep reinforcement learning
发现论文，激发创造
  • 面向 AAM 应急管理的标准化强化学习框架

    通过整合 AAM-Gym 仿真框架中的紧急情况管理 MDP，本研究将紧急情况管理问题作为 Markov 决策过程，并将其快速原型化为强化学习算法，从而为未来算法开发提供一个社区基准。

    Nov, 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

  • 强化学习在车载系统中的统一自动控制

    本文提出了一种简化的车辆微观模拟方法，并使用深度强化学习优化了具有不同车辆组成的六个交通系统的控制策略，发现了类似于波浪消减、交通信号和匝道计量等的多种新行为，并分析了这些行为以获得可解释的控制策略。

    Jul, 2022

  • 深度强化学习解决管理问题：迈向大型管理模式

    我们引入了一种深度强化学习 (DRL) 方法来解决包括库存管理、动态定价和推荐等管理问题。这种 DRL 方法有潜力基于特定的变压器神经网络结构构建一个大型管理模型，从而为各种管理任务提供一种人工通用智能范式。我们的方法能够统一框架下解决问题，考虑不同任务之间的相互关系。实验结果验证了我们基于 DRL 的框架在复杂和动态的商业环境中的有效性。这项工作为 DRL 在管理问题中的应用开辟了新的道路，突显了其改革传统商业管理的潜力。

    Mar, 2024

  • 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

  • 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

  • 层次化多智能体强化学习在空战机动中的应用

    应用人工智能模拟空战场景吸引了越来越多的关注，本文提出了一种用于多个异构代理的空中对空战斗的层次化多代理强化学习框架，其中命令决策过程划分为两个抽象阶段，低级政策控制个体单位的行动，高级指挥官政策根据总体任务目标下达宏观指令，并通过针对预先训练的低级政策对任务目标进行训练，实验证明了我们设计的优点。

    Sep, 2023

  • 自主车辆运动规划深度强化学习调查

    本文研究了在自动驾驶车辆领域中，传感器技术、通信、安全、人工智能、机器学习、路线规划等多方面的应用，重点阐述了一种基于深度强化学习的层次运动规划方法，并以车跟、车道保持、轨迹跟踪、融合和交通压力等不同场景的自动驾驶为例，总结了现有解决方案的优缺点并提出未来研究方向和挑战。

    Jan, 2020

  • 资源受限的深度强化学习

    为了优化城市资源分配，本文研究了基于 Deep RL 方法对于资源分配的约束条件以及对模拟器的表现

    Dec, 2018

  • 绿色深度强化学习用于无线电资源管理：架构，算法压缩与挑战

    本文针对 5G 及更高版本中的高复杂度无线资源管理问题，通过引入基于深度强化学习的云计算和分布式决策方案，并结合压缩算法和空间迁移学习，提出一种实现绿色深度强化学习的架构和算法，为实现绿色智能设备带来了潜在的解决方案。

    Oct, 2019