Sign In

Navigation in a Three-Dimensional Urban Flow using Deep Reinforcement Learning

Created by
  • Haebom
Category
Empty

저자

Federica Tonti, Ricardo Vinuesa

개요

본 논문은 딥 강화 학습 기반의 최적 UAV 항법 전략을 개발한다. 복잡한 도시 환경을 3차원 시뮬레이션으로 모델링하고, 난류 및 재순환 구역을 고려한다. Flow-aware PPO와 GTrXL 아키텍처를 결합하여 에이전트가 난류 흐름에 대한 풍부한 정보를 얻도록 한다. 개발된 알고리즘은 PPO+LSTM, PPO+GTrXL, 전통적인 항법 알고리즘과 비교하여 성공률(SR)을 높이고 충돌률(CR)을 낮추는 결과를 보였다.

시사점, 한계점

•
시사점:
◦
딥 강화 학습을 활용한 UAV 항법 전략의 효과 입증.
◦
난류 환경을 고려한 Flow-aware PPO 및 GTrXL 아키텍처의 혁신적인 결합.
◦
기존 알고리즘 대비 향상된 성능 (성공률 증가, 충돌률 감소).
◦
복잡한 도시 환경에서 UAV 운용 가능성 제시.
•
한계점:
◦
3차원 고충실도 시뮬레이션 환경에 국한된 연구.
◦
실제 환경에서의 성능 검증 필요.
◦
GTrXL 아키텍처의 계산 복잡성.
◦
특정 도시 환경에만 적용 가능한 가능성.
👍
Made with Slashpage