多模态历史窗口门控注意力软演员-评论家算法在城市低空无人机导航中的应用
《Drones》:Multimodal History-Window Gated-Attention Soft Actor–Critic for Urban Low-Altitude UAV Navigation
【字体:
大
中
小
】
时间:2026年08月06日
来源:Drones 5.2
摘要
城市低空无人机导航需要处理部分可观测性、建筑物遮挡、风干扰以及持续控制等问题。本研究开发并评估了HW-GA-SAC,这是一种用于程序生成的三维MuJoCo城市环境的多模态历史窗口软演员-评论家(SAC)策略。该策略采用受Gated Transformer-XL(GTrXL)启发的门控注意力编码器来处理固定的八步导航历史数据,同时当前帧安全模块会为演员和评论家提供垂直间隙信息、稀疏的类激光雷达距离数据以及手工设计的安全部署提示。该策略通过障碍物相关观测数据和奖励机制来实现碰撞避免,但不包含约束性策略优化或独立的运行时安全过滤器。在采用五种训练种子和五种评估场景的七种方法对比中,HW-GA-SAC的成功率为96% ± 3%,平均回报值为207 ± 16,超时率为3% ± 4%。前馈SAC的成功率为92% ± 11%,超时率为7% ± 10%,但其生成的路径更为直接。通过五种子学习曲线分析、城市分割评估、风敏感性测试、感知扰动实验、推理性能分析以及消融研究,进一步展现了该策略的特性。在这种仿真环境下,HW-GA-SAC在任务完成度方面表现最佳,且在任务完成度和路径直接性之间实现了良好的权衡。
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