.png){kind=icon}
返回
Reinforcement Learning Based Indoor Drone for Path Finding and Collision Avoidance
.png){kind=icon}
PRE
AI
DOI：10.1117/12.3102543.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人机（UAVs）已在室内运输中应用，其中精度和可达性至关重要。然而，这些无人机仍需操作员控制。这导致高昂的运营成本，且现有自主方法常缺乏感知与控制之间的整合。本文提出了一种结合注意力机制特征提取和变分自编码器（VAE）以编码深度图像的强化学习（RL）框架，强调障碍物和自由空间区域，随后与相对目标向量融合，并由近端策略优化（PPO）策略网络处理，输出连续速度指令。奖励函数由目标欧氏距离定义，包含碰撞惩罚和成功导航奖励。在合成环境中训练和验证后，我们的注意力增强RL模型展现出在复杂室内环境中实现鲁棒自主无人机导航的巨大潜力。
Keyword:
Autonomous navigation
collision avoidance
reinforcement learning
attention mechanism
drones
查看更多机构