arXiv cs.AI· Atin Chowdhury, Piyush Joshi·· 2 天前AI 评分34
课程驱动深度强化学习实现远距离火箭自主精准着陆
Curriculum-Driven Deep Reinforcement Learning for Autonomous Far-Range Rocket Landing
AI 导读
一个课程驱动的深度强化学习框架让火箭从 1,000 至 1,500 单位的初始水平距离完成远距离导航与软着陆，在 100,000 回合评估中成功率达 99.98%，基线为 68.31%。
正文 · AI 翻译
摘要：可重复使用运载火箭的自主垂直着陆是航空航天工程中一项关键而艰巨的挑战，主要由于高度非线性的动力学、严苛的精度要求以及固有的环境不确定性。尽管强化学习（RL）已成为传统基于模型控制的一种有前景的替代方案，但现有方法往往依赖扁平化训练范式和高度简化的初始条件，极大地限制了其实际应用性。本文提出一个全面的课程驱动深度强化学习框架，旨在掌握远距离导航与精确着陆。通过采用三阶段课程，并辅以评论家预热程序和排练机制以防止灾难性遗忘，同时利用采用完整 3 X 3 旋转矩阵的高维观测向量，智能体被训练从 1,000 至 1,500 单位的初始水平距离——远超先前基准——进行导航，然后执行软着陆。关键的是，我们引入重新设计的奖励函数，减少不必要的计算开销，并解决早期公式的局限性，包括奖励分量校准不佳和可能冲突的优化目标。重新设计的函数将每步奖励幅度限制在 (O(1))，而其进度项累积轨迹上闭合的总距离。可用的 100,000 回合结果显示，在评估条件下，所提出策略的成功率为 99.98%，基线为 68.31%。在评估中，所提出策略保留了其初始燃料容量的 69.1%，并达到距垫中心平均最终距离 7.07 单位，而基线为 13.10 单位。着陆可视化见视频 1 和视频 2。
| 评论： | 这是我们之前被 ICAART 2026 接收的论文的扩展 |
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.35954 [cs.LG] |
| （或 arXiv:2610.35954v1 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.35954 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Atin Chowdhury 先生 [查看电子邮件]
[v1]
2026 年 10 月 24 日星期六 19:57:44 UTC（3,862 KB）
来源：arXiv cs.AI · arxiv.org