HARL-AC

新的强化学习方法提高了在恶劣海况下无人机的自主着陆能力

研究人员开发了一种新颖的强化学习方法，称为基于课程的异构对抗强化学习（HARL-AC），以提高四旋翼无人机在挑战性的海上环境中自主着陆的能力。该方法利用异构代理近端策略优化（HAPPO）和对抗性风力代理，并在NVIDIA Isaac Lab中进行训练。HARL-AC系统在模拟条件下表现出色，在分布内场景中成功率高达97.5%，并且在分布外场景，尤其是在恶劣海况下，其表现明显优于传统的域随机化方法。