基于深度强化学习的无人机飞行路线规划

• 作者: 胡新平 顾江涛
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 无人机 线路规划 卷积神经网络 强化学习 迁移学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息融合
• 页码范围: 1372-1378
• 页数: 7页
• 分类号: TP181
• 字数: 4592字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.06.021

摘要

针对无人机线路规划中飞行环境动态变化的问题,提出了一种基于深度学习与强化学习的无人机线路规划解决方案.首先通过卷积神经网络,使用不同气象模型给出的天气预报作为输入来预测当天的天气情况,然后使用强化学习算法,将天气预测网络的结果作为无人机线路规划的依据规划无人机飞行线路,使得无人机可以安全快速地到达目标地.实验结果表明,仅需使用简单的强化学习模型,就可以使80％以上的无人机安全快速地抵达目标地;且预训练的模型只需要少量的额外训练就可以适应新的环境,这有效减少无人机所需的运算需求和通信数据量,降低无人机硬件成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡新平	南通大学计算机科学与技术学院	20	228	7.0	15.0
2	顾江涛	南通大学计算机科学与技术学院	1	0	0.0	0.0