1.摘要
多无人机自主协同导航需要在飞行中实时规划高效路径，同时避免无人机之间以及无人机与障碍物之间的碰撞。论文提出基于强化学习高效协同导航算法（RL-CN），将多无人机导航建模为马尔可夫决策过程，并使用适合连续控制的深度确定性策略梯度（DDPG）。针对稀疏奖励，设计覆盖接近目标、规避内外部碰撞、维持邻机连接和缩短时间步的奖励塑形；针对训练效率，提出带两个子演员网络的分阶段调优策略；针对经验回放，提出同时考虑时序差分（TD）误差与连接趋势的增强优先经验回放（EPER）。仿真结果表明，RL-CN在密集障碍、大范围和动态障碍环境中均能提高导航成功率、降低碰撞率，并保持较短路径。
2.研究背景与问题定义
见个人简介