训练回合减半
在actor-critic框架中加入由PID控制器构成的监视器，将学习过程转化为监督学习，在提高学习效率的同时实现对无人机悬停的高鲁棒控制。
Wu, Jiying · 杨忠 · Haoze, Zhuo · Xu, Changliang · Zhang, Chi · He, Naifeng · Liao, Luwei · Wang, Zhiyong
Drones 2024
WAC算法的训练回合比DDPG减少20%，比QAC减少55%，显著提升了学习效率。
算法已部署到实际环境中，采用多传感器融合自主定位方法进行实际练习，验证了实用性。
监视器作为动态监督信号引导学习过程，使WAC比QAC和DDPG收敛速度更快。