基于深度强化学习的无人机末端配送动态避障与能量管理_物流配送_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.31万字
  • 约 29页
  • 2026-11-22 发布于北京
  • 举报

基于深度强化学习的无人机末端配送动态避障与能量管理_物流配送_2026年课程设计.docx

PAGE1

摘要

无人机末端配送正从试验走向常态化运营,但城市低空环境中行人、电动车等动态障碍密集,机载电量又严格受限,避障与续航两个目标在决策层面相互牵制:为绕开突发障碍而急转急停会推高瞬时功耗,为省电而维持经济巡航速度又会压缩避障的反应余量。传统“全局路径规划加局部避障”的两段式方案依赖人工调参的阈值规则,在障碍密度升高时安全率下降明显,且几乎不感知电量状态。

针对这一痛点,本文将末端配送飞行过程建模为部分可观测的马尔可夫决策过程,设计了一种能量感知的近端策略优化算法(本文称EAPPO)。算法以近端策略优化(ProximalPolicyOptimization,Schulman

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档