Reinforcement learning for uav navigation and quadrotor control: trends, achievements and research challenges

Abstract

Навчання з підкріпленням (Reinforcement learning – RL) є перспективним підходом до навігації та керування квадрокоптерами в складних та невизначених умовах. На відміну від класичних методів, RL дозволяє приймати рішення та керувати безпосередньо на основі взаємодії з навколишнім середовищем, зменшуючи залежність від точних моделей та ручного налаштування. Останні дослідження показують його ефективність у навігації за маршрутними точками, енергетично інформованому плануванні місій та перегонах автономних дронів. Водночас залишаються виклики щодо надійності, обчислювальної ефективності та роботи в умовах відсутності GPS