A multi-UAV cooperative path planning method based on HCA-MAPPO deep reinforcement learning
Abstract
针对多无人机协同路径规划中存在的感知信息处理扁平化、稀疏奖励下探索效率低下等挑战, 本文提出了一种新的基于多智能体深度强化学习的协同路径规划方法. 本方法将多无人机协同路径规划问题建模为部分可观测的马尔可夫决策过程, 并采用深度强化学习算法进行求解. 为了增强智能体对多源异构观测信息的特征提取与态势感知能力, 本文设计了一种基于分层交叉注意力的执行者网络, 通过序贯处理流程实现了对多源异构信息的优先级感知与处理. 此外, 构建了一种基于协同一致性门控的内在好奇心模块, 将个体探索与集群协同目标有效耦合, 提升了算法在稀疏奖励环境下的有效学习效率. 最后, 通过仿真实验验证了所提出算法的有效性和优越性.
Fields of Study & Subjects
Reinforcement Learning in Robotics
Robotic Path Planning Algorithms
Metaheuristic Optimization Algorithms Research
Publication details
- Journal / source
- Scientia Sinica Technologica
- Volume
- 56
- Issue
- 3
- Pages
- 809–822
- Publication date
- 3 February 2026
- Language
- EN