信息与控制

作者：徐佳, 胡春鹤

关键词：强化学习, 深度确定性策略梯度(DDPG), 多无人机, 避碰, 自主感知

为满足多无人机（multi-UAVs）的协同任务中高效自主避碰的需求，在基于数据驱动的强化学习方法的基础上，提出了一种分布式多经验池深度确定性策略梯度避碰方法（DMEP-DDPG），使单个无人机在多机环境下仅依靠自身传感数据即可自主避碰作业。首先，针对强化学习任务在长周期下的稀疏回报问题，设计了基于引导型奖励函数系统回报机制；其次，为克服单一经验池样本效率低带来的策略收敛困难的问题，构建了新型的分布式多经验池更新的确定性策略梯度框架；最后，在多种多无人机协同任务环境中测试了DMEP-DDPG方法的避碰性能，并与其它基于学习的避碰策略进行了性能指标对比，结果验证了DMEP-DDPG方法的可行性和有效性。

来源：2023年第4期

《信息与控制》期刊编辑部

查看信息与控制杂志2023年第4期