登上Nature封面！强化学习+卡尔曼滤波上大分

2024深度学习发论文&模型涨点之——强化学习+卡尔曼滤波

强化学习与卡尔曼滤波的结合在提高导航精度、适应复杂环境以及优化资源利用方面显示出明显优势，并且已经在多个领域中得到应用和验证。

这种结合创新十分有前景，目前多篇成果被顶会顶刊录用，例如"Champion-level drone racing using deep reinforcement learning”这篇登上Nature封面的文章详细描述了Swift系统，一个能够与人类世界冠军级别的无人机竞速选手相匹敌的自主系统。

我整理了一些强化学习+卡尔曼滤波【论文+代码】合集，需要的同学公人人人号【AI创新工场】自取

论文精选

论文1：

【Nature】Champion-level drone racing using deep reinforcement learning

使用深度强化学习的冠军级无人机竞速

方法

• 深度强化学习（RL）：结合了在模拟环境中训练的深度RL策略和在真实世界中收集的数据。

• 感知系统：将高维视觉和惯性信息转换为低维表示。

• 控制策略：使用前馈神经网络，通过模拟中的无模型策略深度RL进行训练。

• 经验噪声模型：使用从真实系统收集的数据估计的非参数经验噪声模型