基于逆向强化学习的无人机路径规划

作者：杨秀霞; 王晨蕾^*; 张毅; 于浩; 姜子劼

来源：电光与控制, 2023, 30(08): 1-7.

• 无人机
• 路径规划
• 逆向强化学习
• 深度确定性策略梯度

为了解决深度确定性策略梯度(DDPG)算法在规划无人机(UAV)安全避障路径时收敛速度慢、奖励函数设置困难等问题，基于逆向强化学习提出了一种融合专家演示轨迹的UAV路径规划算法。首先，基于模拟器软件采集专家操纵UAV避障的演示轨迹数据集；其次，采用混合采样机制，在自探索数据中融合高质量专家演示轨迹数据更新网络参数，以降低算法探索成本；最后，根据最大熵逆向强化学习算法求解专家经验中隐含的最优奖励函数，解决了复杂任务中奖励函数设置困难的问题。对比实验结果表明，改进后的算法能有效提升算法训练效率且避障性能更优。