2026-06-26 18:59
无人驾驶飞行器（UAV，Unmanned Aerial Vehicles），通常称为无人机（drones），如今已广泛应用于多个领域，从影视制作、航拍到工业巡检、精准农业，以及在紧急救援任务中进入受阻区域。尽管许多现有无人机能够在环境中快速移动并规避大型障碍物，但大多数在复杂拥挤环境（cluttered environments）中仍然表现受限。此外，它们通常难以执行一些高难度机动动作，无法安全穿越狭小缝隙或抵达封闭、隐蔽区域。
据外媒报道，近日，浙江大学的研究团队开发出一套新的控制策略，可显著提升无人机精准执行复杂机动动作以及穿越极窄开口的能力。这些控制策略基于一种名为强化学习（Reinforcement Learning, RL）的机器学习方法训练而成，可将机载传感器采集的信息直接转换为电机控制指令。相关论文已发表于期刊《科学*机器人》（Science Robotics）。
在论文中，论文共同第一作者为浙江大学控制科学与工程学院巫天越、浙江大学湖州研究院徐广通等人写道：“其中一个最具挑战性的问题是，四旋翼无人机如何在三维特殊欧几里得群（SE(3)）的约束条件下，以高速或激进的方式穿过狭窄缝隙。这要求四旋翼无人机必须利用瞬时倾斜姿态（tilted attitude）以及机体结构的非对称性，才能完成缝隙穿越。我们通过开发一种感觉—运动策略（sensorimotor policies），实现了这一能力。这种策略能够将机载视觉信息和本体感知（proprioception）直接映射到低层控制指令。”
基于强化学习训练的新控制策略
扫一扫关注微信
