盘旋

文章有监督的强化学习算法用于控制无人机盘旋

摘要：携带不同设备用于空中悬停操作的无人机的应用正在越来越广泛，但是目前，依赖于悬停控制的强化学习方法，目前有非常有意的研究，并且尚未在物理机器上实施。无人机在悬停控制方面的行为空间是连续且大规模的，这对于基本算法和基于价值的增强学习（RL）算法很难获得良好的结果。响应于这个问题，本文将观察者 - 演员（WAC）算法应用于无人机的悬停控制，该算法可以迅速锁定勘探方向并实现无人机悬停控制的高度鲁棒性，同时改善学习效率和降低学习成本。本文首先利用基于行为价值Q（QAC）和深层确定策略梯度算法（DDPG）的参与者批评算法，用于无人机悬停控制学习。随后，提出了带有添加观察者的批评算法，其中观察者使用带有神经网络作为动态监视的参数的PID控制器，将学习过程转换为监督学习。最后，本文使用了经典的增强学习环境图书馆，健身房和当前主流加固学习框架，PARL，用于