机构名称：
¥ 1.0
1。引入人工智能（AI）是现代技术进步不可或缺的一部分，许多人已将其应用于无人机导航系统。特别是这些分支之一，强化学习（RL）涉及一个代理商通过与环境互动来做出决策的代理。使用RL，对代理进行训练的环境通常是一个模拟器，它允许在不产生高成本的情况下进行大量培训实例。通过优化用于无人机导航的RL模型，用于监视，追捕和其他培训的无人机可以通过传统方法无法实现的准确性来执行复杂的任务。但是，RL的挑战之一是代理商用来改善其决策顺序的奖励功能的制作。在此项目中，正在探索大型语言模型（LLM）的使用，以帮助改善通常手动手动制作的RL模型的奖励功能。总而言之，该项目旨在调查在RL无人机模型中使用LLMS进行简单导航的潜力。2。文献综述2.1无人机导航中的自主权在近年来在AI和无人机开发领域取得了许多进步，其中包括使用深度学习来优化无人机导航。通过使用AI，无人机通过检测对象清楚地绘制其环境来解释其周围环境。这在其他实现中很重要，例如自动封闭空间中的导航（即（Kaelbling，1996年）。这个无需人工参与），避免碰撞和自动起飞和着陆。无人机中AI的其他用途包括在外国环境中优化轨迹和路径，根据地理特征区分环境，并计划三维非平面运动（Lee等，2021）。With drones increasing in popularity over the past decade, firms have invested efforts into AI implementations, with a notable example of Near-Earth Autonomy and National Aeronautics and Space Administration's (NASA) breakthroughs in self-piloted unmanned drones and autonomous systems, that have largely reduced the reliance on Global Positioning Systems (GPS) for drone navigation (NASA, 2020).2.2强化学习（RL）RL是深度学习的一个分支，涉及一系列基于代理商的探索和剥削的决策，其中“正确的”行动使代理人更接近实现其目标，得到了回报，并“不正确”的行动，这使代理商进一步实现了目标，以实现其目标，受到惩罚。通过与给定环境进行互动，代理可以通过从奖励功能中获得的奖励来识别“正确”和“不正确”的行动，此后继续选择采取行动序列，以提供最大的总体奖励并最大程度地减少整体罚款。这种奖励将是代理人达到最佳行为的加强。为了加快RL模型培训，使用了情节学习模型，在这些模型中，代理利用了过去的观察和动作来进一步学习，而不是每次从头开始。
数据驱动的无人机 - 新加坡
主要关键词
相关文件推荐
