基于深度强化学习的无人机虚拟管道视觉避障

针对虚拟管道下的无人机(Unmanned aerial vehicle,UAV)自主避障问题,提出一种基于视觉传感器的自主学习架构.通过引入新颖的奖励函数,设计了一种端到端的深度强化学习(Deep reinforcement learning,DRL)控制策略.融合卷积神经网络(Convolutional neural network,CNN)和循环神经网络(Recurrent neural network,RNN)的优点构建双网络,降低了网络复杂度,对无人机深度图像进行有效处理.进一步通过AirSim模拟器搭建三维实验环境,采用连续动作空间优化无人机飞行轨迹的平滑性.仿真结果表明,与现有的方法对比,该模型在面对静态和动态障碍时,训练收敛速度快,平均奖励高,任务完成率分别增加9.4%和19.98%,有效实现无人机的精细化避障和自主安全导航.