arXiv eess.SY 系统与控制· Dennis Marquis, Mazen Farhood·· 5 小时前精选AI 评分53
基于超网络条件化的强化学习实现固定翼飞行器控制策略族学习
Learning Families of Fixed-Wing Aircraft Control Policies with Hypernetwork-Conditioned Reinforcement Learning
AI 导读
论文研究在动力学变化下用超网络参数调制与标准输入增强两种方式条件化强化学习策略的效果差异，以执行器故障下的小型固定翼无人机为测试对象。研究采用基于 FiLM 和 LoRA 的参数高效超网络方案，使用 PPO 训练，在高保真六自由度仿真中，超网络条件化策略相比输入增强的 MLP 策略提升了鲁棒性，并能泛化到训练中未见过的时变执行器故障模式。
推荐理由
论文在六自由度仿真中对比了参数调制与输入增强两种跨动力学条件化方案，做控制策略迁移的读者可参考其结论。
来源：arXiv eess.SY 系统与控制 · arxiv.org