基于深度强化学习的无人机对地目标跟踪与避障规划方法

摘要文本

本发明涉及无人机目标跟踪技术领域，提供一种基于深度强化学习的无人机对地目标跟踪与避障规划方法，首先，构建了无人机同时对地目标跟踪与避障任务的马尔可夫模型，并设置了无人机可视性约束、对地目标跟踪、避障等奖励函数，让无人机在进行对地目标跟踪任务的同时始终保证目标在无人机的可视范围内，提高了可靠性。随后，使用改进的DDPG深度强化学习算法进行训练，并将每一回合的经验保存于经验池中作为学习样本，不断迭代更新神经网络的参数。当训练完成后，将保存好的数据加载至无人机系统之中，从而执行飞行动作完成目标跟踪和路径规划任务。本发明能在无人机完成跟踪与避障的同时，有效防止跟踪目标的信息丢失。