讓無人機飛得更加平穩！

原標題：軌跡跟蹤誤差直降50％，清華汪玉團隊強化學習策略秘籍搞定無人機
文章來源：機器之心
內容字數：6530字

清華大學團隊SimpleFlight：解決強化學習無人機控制Sim2Real難題

機器之心AIxiv專欄報道了清華大學高能效計算實驗室的一項突破性研究成果：SimpleFlight框架。該框架解決了強化學習（RL）策略在無人機控制中難以從仿真環境零樣本泛化到真實世界的難題，在軌跡跟蹤誤差上比現有RL基線方法降低了50%以上。

1. 背景與挑戰

傳統的無人機控制方法（如PID控制器和MPC）在靈活性方面存在局限。強化學習因其直接將觀測映射為動作的能力，展現出巨大的潛力，但“Sim2Real”鴻溝一直是其應用的瓶頸。如何訓練出無需額外微調即可在真實環境中部署的魯棒RL策略，是研究者們面臨的挑戰。

2. SimpleFlight框架

清華大學團隊提出的SimpleFlight框架，集成五大技術，基于PPO算法，有效解決了上述難題。該框架在開源微型四旋翼無人機Crazyflie 2.1和團隊自制的250mm軸距四旋翼無人機上進行了測試，取得了顯著成果。

3. 實驗結果

實驗使用了平滑軌跡（八字形、隨機多項式）和不可行軌跡（五角星、隨機之字形）兩種類型的基準軌跡。SimpleFlight在所有基準軌跡上均取得最佳性能，成功率100%，軌跡跟蹤誤差降低了50%以上，并且無需任何微調。

4. SimpleFlight的五大核心技術

SimpleFlight的成功歸功于以下五大關鍵因素：

1. 輸入空間設計：采用相對位姿誤差、速度和旋轉矩陣作為策略網絡輸入，并使用旋轉矩陣而非四元數。
2. 獎勵設計：將時間向量添加到價值網絡輸入，并使用連續動作差異的正則化作為平滑度獎勵。
3. 訓練技術：使用系統辨識校準關鍵動力學參數，謹慎選擇性地應用域隨機化，并使用較大的batch size。
4. 高效仿真平臺：基于NVIDIA Isaac Sim搭建的OmniDrones仿真平臺，可實現每秒超過10^5步的仿真速度。
5. CTBR指令：使用collective thrust and body rates (CTBR)作為策略輸出動作。

5. 結論與意義

SimpleFlight并非依賴于新的算法或復雜的架構，其意義在于提供了一套關鍵訓練因素的集合，可輕松集成到現有的四旋翼無人機控制方法中，幫助研究者和開發者進一步優化控制性能。該研究為強化學習在無人機控制領域的實際應用提供了重要的參考。

論文鏈接：https://arxiv.org/abs/2412.11764

開源代碼及模型項目網站：https://sites.google.com/view/simpleflight

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺