MARLander: A Local Path Planning for Drone Swarms using Multiagent Deep Reinforcement Learning

本文提出了多智能体深度强化学习技术(MADRL)在无人机群体精准着陆方面的应用，以解决传统控制和规划方法所面临的挑战。该系统在一个真实的模拟环境中进行训练，训练空间为4 x 4 x 4 米，最大速度为3米/秒，使用Vicon室内定位系统的Crazyflie无人机进行部署。实验结果表明，所提出的方法在静止和移动平台上分别实现了2.26厘米和3.93厘米的着陆精度，超过了基于比例积分微分(PID)控制器和人工势场(APF)的基准方法。这项研究突出了无人机着陆技术，消除了分析集中式系统的需求，可能为物流、安全和救援任务等领域提供可扩展性并革命化应用。

本论文试图通过多智能体深度强化学习技术实现无人机群的精确着陆，解决传统控制和规划方法所面临的挑战。

通过在现实仿真环境中训练系统，结合Vicon室内定位系统，利用Crazyflie无人机实现精确着陆，避免了传统的分析集中式系统，具有可扩展性。

实验结果表明，该方法在静止和移动平台上实现了2.26厘米和3.93厘米的精度，优于使用PID控制器和人工势场的基准方法。该研究突出了无人机着陆技术，潜在地在物流、安全和救援任务等方面革新应用。

近期相关研究包括“Multi-Agent Reinforcement Learning for Cooperative Multi-Robot Box-Pushing”和“Multi-Agent Deep Reinforcement Learning for Decentralized Continuous Cooperative Control of Multiple Quadrotors”。