RNN-PPO逃逸引导策略

应对多追击器

结合循环神经网络的近端策略优化算法，为逃生飞行器生成引导指令，通过课程式训练逐步应对多追击飞行器。

Xiao, Hu · 王洪波 · Gong, Min · 王天舒

Aerospace 2024

技术优势

能对付多个追击器

策略通过逐步增加追击器数量的课程式训练，从单追击器扩展到多追击器，无需重新设计。

无需人工规则

利用深度强化学习直接从仿真交互中学习引导指令，替代依赖人工设计的制导律。

支持变长时间序列

引入循环神经网络处理追击器数量和逃逸时刻不确定的时序信息，提高策略适应性。

应用场景

• 飞行器逃逸引导：为逃逸飞行器提供实时引导指令，应对多追击器威胁。
• 无人机规避机动：使无人机在多个追击者环境下自主规划规避动作。
• 机器人对抗决策：为机器人对抗场景提供基于强化学习的决策策略。
• 自主系统控制策略：作为自主系统的端到端控制策略，无需人工预设规则。