强化学习卫星论文笔记

强化学习卫星论文笔记

论文和文献收集

• https://blog.csdn.net/weixin_42467340/article/details/122421501 六根数知识导学
• https://zhuanlan.zhihu.com/p/343478932 《Softmax Deep Double Deterministic Policy Gradients》SD3论文解读
• https://zhuanlan.zhihu.com/p/379722366 Attention详解
• https://zhuanlan.zhihu.com/p/379939927 Attention（注意力机制）在强化学习中的应用
• https://blog.csdn.net/weixin_36815313/article/details/111592477人工场势法导学
• http://www.chinaaet.com/tech/designapplication/3000079906 《基于改进人工势场法的无人机在线航路规划算法》
• https://www.docin.com/p-2468549561.html 三维空间中合力的计算

人工场势

人工势场法（Artificial Potential Field）简称 APF，属于局部路径规划中常使用的一种方法。将传统力学中“场”的概念引入该方法，假设让智能体在这种虚拟力场下进行运动。如何设计引力场影响着该算法的性能，同时存在容易陷入局部极小点的局限性。

概念图如图 所示，人工势场就像构建了一个吸铁石，包括引力场和斥力场。黑色为障碍物，箭头为智能体要运动的方向，目标为“Goal”。智能体按照箭头的方向到达“Goal”，目标点像有着“吸引力”一样吸引着智能体靠近。而在障碍物附近，智能体逆着箭头的方向，好像对智能体产生“排斥力”。智能体前进的方向就是这两种力的合力的方向。

机器人在工作空间中的位置为X=[x，y]T通常的目标函数势场函数（引力场函数）为：$U_{at}(X)=\frac{1}{2}k(X-X_{goal}{)}^2$

其中k为位置增益函数，$(X-X_{goal})$是智能体到目标$X_{goal}$的相对距离，相应的吸引力为目标场势函数的负梯度

公式参考：https://zhuanlan.zhihu.com/p/548241778