基于模仿学习的无人驾驶飞机飞行竞赛

• 作 者: 李国豪
• 机 构: 中国科学院大学
• 出 处: 中国科学院大学
• 发表日期: 2018年期
• 关键词: 无人机 飞行控制 模仿学习 神经网络

如今随着深度学习技术的快速发展，在无人驾驶、计算机视觉、自然语言处理、生物信息学等领域都发生了翻天覆地的变化，许多原有的难题渐渐被深度学习技术逐一攻破。本课题将探索深度学习技术在无人机飞行竞赛中的潜能和价值，希望能利用深度学习技术解决基于计算机视觉的无人机无人驾驶飞行竞赛问题，并希望在未来能将本课题所提出的方法应用到环境更加复杂与多变的无人车的无人驾驶应用中去。　　本文所提出的方法是一种新型的模仿学习算法，该算法允许我们学习多个示范者或是专家的优点，并且学习忽略它们的错误和危险的行为，最后达到超过它们的效果。这种算法允许我们不需要对示范者做出很严格的要求，减少了参数调整的时间成本。　　此外，为了增加系统的灵活性，我们采用了模块化神经网络的结构，将网络分为感知模块和控制模块两部分，在应对不同的环境时，可以通过更换感知模块或者控制模块达到功能迁移的效果。这种模块化的思想在应对不同的视觉场景和不同的无人机动力学模型时能够大大地简化我们对神经网络进行重新训练的复杂步骤。　　为了验证所提出系统的表现，我们在无人机仿真平台上进行了多组实验来测试对比所提出系统和前沿算法、示范者和人类飞手在性能上的差异。同时我们进行了在不同天气、光照和视觉场景下进行了对系统模块化性能和鲁棒性的测试。　　经过大量的实验我们得出的结论是，我们所提出的方法在无人机飞行竞赛任务中，超过了前沿的算法、示范者和大部分人类飞手，同时接近与拥有几年飞行经验的专业无人机飞手。另外，我们模块化的网络具有强大的灵活性和非常好的鲁棒性。我们希望在未来可以将所提出的方法去解决更多现实世界的无人机或者无人车任务。