障碍密集下可避碰
针对多固定翼无人机在障碍密集环境中的避碰群集问题，提出一种任务特定课程式多智能体深度强化学习方法，通过子任务分解与渐进训练实现避碰群集策略学习。
Yan, Chao · 王菖 · 相晓嘉 · Kin Huat, Low · 王祥科 · 徐昕 · 沈林成
IEEE Transactions on Neural Networks and Learning Systems 2023
通过将复杂任务分解为多个子任务并渐进式增加难度，课程式训练使得最终的群集避碰策略在性能上更优。
提出的缓冲区重用离线迁移机制利用了先前阶段的经验，使得样本利用率提升，训练所需的交互次数减少。
模型重载与缓冲区重用两种迁移机制在相邻阶段间传递知识，使得训练过程更加稳定，避免性能大幅波动。
通过高保真硬件在环仿真验证了所提方法在实际系统中的适应性，表明其能够迁移到真实硬件。