Self-organized arrival system for urban air mobility

城市空中移动是一种创新的交通方式，电动垂直起降（eVTOL）飞行器在被称为vertiports的节点之间运行。我们提出了一种基于深度强化学习的自组织vertiport到达系统。我们假设vertiport周围的空域是圆形的，飞行器可以在其中自由运行。每架飞机被视为一个独立的智能体，并遵循共享策略，从而产生基于本地信息的分散行动。我们研究了强化学习策略在训练过程中的发展，并说明了算法如何从次优的本地保持模式移动到安全高效的最终策略。后者在基于模拟的场景中得到了验证，并且也在小型无人机上部署以展示其在现实世界中的可用性。

论文旨在提出一种基于深度强化学习的自组织垂直起降飞行器（eVTOL）节点到达系统，解决城市空中交通的问题。

论文提出了一种基于深度强化学习的自组织垂直起降飞行器（eVTOL）节点到达系统，通过分散的个体智能代理实现了安全和高效的垂直起降飞行器的到达。

论文使用深度强化学习算法，通过自组织的方式实现了垂直起降飞行器节点到达系统，通过仿真和实际应用验证了该算法的可行性。值得关注的是，该算法能够适应不同的垂直起降飞行器数量和节点布局，并且能够在实时环境中进行部署。

近年来，基于深度强化学习的自组织飞行器节点到达系统的研究逐渐增多。例如，"Decentralized Arrival Management for Urban Air Mobility via Deep Reinforcement Learning"，"Deep Reinforcement Learning for Decentralized Air Traffic Control"等。