Key points are not available for this paper at this time.
경로 계획은 자율 항법의 가장 중요한 부분 중 하나입니다. 기존의 대부분 작업은 계획을 위한 각도 조정 전략에 기반하고 있습니다. 그러나 드론은 고속의 밀집 장애물 환경에서 충돌에 취약하여 비행 안전에 심각한 위협을 초래합니다. 이 문제를 해결하기 위해, 우리는 고속 및 고밀도 장애물 회피를 위한 다중 전략(MSAO2H)에 기반한 새로운 방법을 제안합니다. 첫째, 드론의 장애물 회피 결정을 각도 조정, 속도 조정 및 장애물 클리어런스로 확장하는 것을 제안합니다. 하이브리드 행동 공간을 채택하여 각 결정을 모델링합니다. 둘째, 장애물 환경의 상태 공간을 구성하여 결정 매개변수를 학습하기 위한 효과적인 특징을 제공합니다. 즉각적인 보상과 궁극적인 보상을 설계하여 결정 매개변수의 학습 효율성과 최적 솔루션 탐색 능력을 균형 있게 조절합니다. 마지막으로, 우리는 매개변수화된 딥 Q-네트워크에 간섭 유체 역학 시스템을 혁신적으로 도입하여 각도 매개변수 학습을 안내합니다. 제안된 모델은 다른 알고리즘에 비해 높은 성공률을 보이며 높은 품질의 계획 경로를 생성합니다. 이는 밀집 동적 장애물 환경에서 자율적으로 높은 품질의 경로를 계획하는 요구 사항을 충족할 수 있습니다.
Yang et al. (Thu,)는 이 문제를 연구했습니다.