arXiv cs.AI· Daan van Hamersveld, Ewoud Smeur, Iurii Kriachko·· 12 小时前AI 评分48
强化学习实现固定翼无人机自主拦截
Autonomous fixed-wing interception using reinforcement learning
AI 导读
荷兰代尔夫特理工大学的一项硕士研究提出用强化学习训练的神经网络控制固定翼拦截无人机，将滤波后的单目视觉观测直接映射为执行器指令，策略在自定义 Python 环境中用 PPO 训练后部署到真实固定翼平台。仿真中该策略在多数条件下优于两种经典制导控制器，并在真实飞行中成功拦截机动固定翼目标。
正文 · AI 翻译
摘要：中空长航时无人机系统，如 Shahed 型攻击无人机，是现代冲突中尚未解决的威胁。常规防空系统成本过高，难以提供可行的大规模解决方案。四旋翼拦截器是一种廉价且经过实战验证的替代方案，但其极短的飞行时间将其限制在短距离的低空目标，而固定翼平台则具备从更远距离到达更高空目标的续航能力。然而，此类拦截器仍由人工操作。近期基于学习的控制器的发展显示出自动化潜力。本工作提出了一种固定翼拦截器，由神经网络控制，该网络将滤波后的单目视觉观测直接映射为执行器指令。该策略在自定义 Python 环境中使用强化学习和近端策略优化进行训练。随后，该策略被部署到固定翼平台上，并在真实拦截场景中进行了测试。作为基线，还开发了两种经典制导控制器并在仿真中进行了测试。该策略能够在仿真和真实飞行中拦截目标。在仿真中，该策略在大多数条件下优于经典控制器。该拦截器最终通过拦截机动固定翼目标在真实飞行中成功得到验证。这一新型系统展示了人工智能在固定翼拦截无人机自主控制方面的潜力。
| 评论： | 硕士论文，代尔夫特理工大学航空航天工程学院，2026 年。24 页，29 幅图，4 张表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；神经与进化计算（cs.NE）；系统与控制（eess.SY） |
| 引用为： | arXiv:2610.37470 [cs.RO] |
| （或 arXiv:2610.37470v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37470 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Daan Van Hamersveld [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 16:04:06 UTC（21,543 KB）
来源：arXiv cs.AI · arxiv.org