基于残差感知深度强化学习的多模态风扰动下稳健四旋翼轨迹跟踪
《Drones》:Robust Quadrotor Trajectory Tracking Under Multimodal Wind Disturbances via Residual-Aware Deep Reinforcement Learning
【字体:
大
中
小
】
时间:2026年07月28日
来源:Drones 5.2
摘要
在风扰动环境下实现稳健的四旋翼飞行器轨迹跟踪是一项挑战,因为实际户外风场具有多模态特征,且随时间变化且呈重尾分布,而现有的解决方案存在扰动可观测性不足以及面对分布外扰动时稳健性差的问题。为此,本文提出了一种基于残差感知深度强化学习的稳健四旋翼轨迹跟踪方法,用于应对多模态风扰动。该方法在标准跟踪策略基础上增加了简洁的在线加速度-残差特征,无需额外的风速传感器、完整的扰动观测器或长历史序列估计器即可获取与扰动相关的信息。为减少对特定风场时间模式的过度依赖,在策略优化过程中引入了残差输入正则化项。此外,还设计了考虑尾部风险的奖励函数,以平衡正常的跟踪精度、控制平滑性以及大幅跟踪偏差的抑制效果。该算法在符合分布的风场、留出的非分布风场以及实际测量的风扰动条件下进行了测试,结果表明与现有基准方法相比,该算法在多模态风场条件下的稳健性最为出色。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号