Lander.AI: Adaptive Landing Behavior Agent for Expertise in 3D Dynamic Platform Landings

本研究介绍了一种先进的深度强化学习代理Lander:AI，旨在解决动态平台上自主无人机降落的难题，这是由于风、地效、停靠平台的涡轮或螺旋桨等外部干扰因素造成的速度不可预测。Lander:AI在gym-pybullet-drone模拟环境中进行了严格的训练，该环境模拟了现实世界的复杂性，包括风涡动等，以确保代理的强健性和适应性。该代理的能力在各种测试场景下进行了实证验证，包括模拟环境和实际环境。实验结果展示了Lander:AI的高精度降落能力和在风干扰下适应移动平台的能力。此外，该系统的性能与基线PID控制器和扩展卡尔曼滤波器进行了基准测试，结果显示在降落精度和误差恢复方面有显著的改进。Lander:AI利用生物启发式学习来适应鸟类等外部力量，提高了无人机的适应性，而不必知道力量大小。本研究不仅推进了无人机降落技术的发展，对于检测和紧急应用至关重要，而且还突显了深度强化学习在解决复杂的空气动力学挑战方面的潜力。

解决自主飞行器在动态平台上降落的挑战，包括风速、地面效应、停机坪的涡轮或螺旋桨等外部干扰。

使用深度强化学习代理Lander:AI，在gym-pybullet-drone仿真环境中进行训练，以适应风速扰动等复杂情况，提高降落精度和适应性。

实验使用Crazyflie 2.1无人机在多种测试场景下进行，展示了Lander:AI的高精度降落和适应移动平台的能力，同时与基准PID控制器相比表现出显著的改进。

最近的相关研究包括“基于强化学习的无人机自主降落控制”和“深度强化学习用于无人机自主降落的研究”。