机构名称：
¥ 1.0
摘要 - 强化学习（RL）正在迅速成为空中交通管理和控制（ATM/ATC）中的主要研究方向。许多国际财团和个人作品都探索了其对不同ATC和U空间 / Urban Aircraft系统交通管理（UTM）任务的适用性，例如合并交通流，成功的水平有所不同。但是，迄今为止，还没有比较这些RL技术的共同基础，许多研究方从头开始构建自己的模拟器和场景。这可能会降低这项研究的价值，因为算法的性能无法轻易验证，也不能与其他实现相比。从长远来看，这会阻碍发展。体育馆图书馆显示了其他研究领域的库，可以通过提供一组标准化环境来解决，这些环境可用于测试不同的算法，并将它们与基准结果进行比较。本文提出了Bluesky-gym：为航空域提供类似的测试环境的库，建立在现有的开源空中交通模拟器Bluesky上。当前的Bluesky-Gym环境从垂直下降环境到静态障碍物和交通流量的合并。建立在体育馆API和Bluesky空中交通模拟器上，为ATC特定的RL性能基准提供了开源解决方案。在Bluesky-Gym的初始发布中，提出了7个功能环境。本文提出了PPO，SAC，DDPG和TD3的初步实验。结果表明，在所有环境中都具有默认超参数的所有环境。在某些环境中，出现较大的性能差距，并且在政策PPO上经常落后，但总的来说，没有明确的算法在总奖励方面超过了其他人的表现。关键字 - 空气流量管理（ATM），增强学习，自动化，基准测试，人工智能
Bluesky-Gym：空中交通应用的加固学习环境
主要关键词
相关文件推荐
