基于PPO算法多无人机协同避障控制方法、装置和设备

本申请涉及一种基于PPO算法多无人机协同避障控制方法、装置和设备，所述方法包括：构建智能体，在每架无人机上部署一个智能体，智能体包括策略网络和价值网络；采用链式PPO训练框架对编队中的无人机进行多轮训练，得到每架无人机的路径规划和避障任务的最优策略；编队中的每架无人机执行各自的路径规划和避障任务的最优策略，实现多无人机协同避障控制。在训练过程中除了当前训练中的无人机，其他无人机保持固定策略，有效保持训练环境的稳定性；链式训练框架，利用无人机各自局部观测状态预估动作量，在有启发式信息和奖励函数的指导下，能够在避障的前提下保持一定的编队稳定性到达目标点，提高了快速到达目的地的效果。