无人机博弈:基于深度强化学习在线运动规划的多无人机追逃博弈

创新点：

1.基于长短期记忆网络LSTM（处理有时间关系的数据）设计了TPNet，实现目标预测，达成先预测后决策的目的。（将预测的思想引入无人机领域）

采用监督学习的方法，训练数据包括：n个时间步长训练数据px(目标位置、agents位置和速度)和k个时间步长标签数据py(目标位置)。

2. 使用更逼真的仿真引擎Unity 3d，构建的用于无人机追逃的仿真环境。

3.改进DRL框架，考虑无人机的坠毁问题。（可变数量的agents）

 

 使用bilstm 双向lstm结构来处理信息。采用AC结构，评论员能获取全局信息，行动者只能获取局部信息。

实验假设:

二维平面，无人机飞行在不同高度，不会相撞。

Target的最大速度  大于agent

Target的最大加速度 小于agent

任务目标：2米内5个时间步。

Agents间只合作，与target竞争

奖励函数：

 包括合作奖励和个人奖励。Dis（j，tar）表示智能体j到目标的距离。