基于深度强化学习的无人集群路径规划方法、装置及设备

本申请涉及一种基于深度强化学习的无人集群路径规划方法、装置及设备，通过根据执行任务的城市环境参数、各无人机初始位置坐标以及任务目标点位置，采用优化后的人工势场法进行建模得到城市路径规划模型，基于无人机动力学模型以及城市路径规划模型，定义强化学习框架中的状态空间、动作空间、状态转移过程以及奖励函数，并在该框架下，对深度Q神经网络进行强化训练，得到动态路径规划模型，利用动态路径规划模型根据无人机的当前时刻感知数据，对下一时刻的无人机动作，以实现无人机路径的实时规划。采用本方法可在复杂的城市场景下，实时根据当前的环境状态对下一时刻的动作进行精准预测。