التنقل الذاتي للطائرات بدون طيار باستخدام التعلم المعزز القائم على النموذج في الوقت الحقيقي

يُعتبر التنقل الذاتي في بيئة غير معروفة أو غير مؤكدة واحدة من المهام التحديّة للطائرات بدون طيار (UAVs). من أجل معالجة هذا التحدي، من الضروري وجود أساليب تحكم عالية المستوى متطورة يمكنها التعلم والتكيف مع الظروف المتغيرة. أحد أطر العمل الأكثر وعدًا لهذا الغرض هو التعلم المعزز. في هذه الورقة، تم تطوير خوارزمية جديدة للتعلم المعزز القائم على النموذج، TEXPLORE، كأسلوب تحكم عالي المستوى لتنقل الطائرات بدون طيار بشكل ذاتي. تم اختبار الأسلوب المطور بشكل موسع مع طائرة رباعية المراوح في بيئة ROS-Gazebo. تُظهر النتائج التجريبية أن طريقتنا قادرة على تعلم مسار فعال في بضع دورات وتنفيذ إجراءات في الوقت الحقيقي. علاوة على ذلك، نظهر أن أسلوبنا يتفوق بشكل ملحوظ على الطريقة المعتمدة على Q-learning. حسب معرفتنا، هذه هي المرة الأولى التي يتم فيها تطوير TEXPLORE لتحقيق التنقل الذاتي للطائرات بدون طيار.