动态环境无人机导航的安全分层强化学习框架

商益铭,杜昌平,杨睿,方天睿,杜泽安,郑耀

Safe hierarchical reinforcement learning framework for dynamic UAV navigation

Yiming SHANG,Changping DU,Rui YANG,Tianrui FANG,Ze’an DU,Yao ZHENG

表 3 SAC算法的主要超参数

Tab.3 Main hyperparameter of SAC algorithm

超参数 数值 超参数 数值 折扣因子 0.99 经验回放缓冲区大小 100 000 学习率 0.000 5 批次大小 256 软更新系数 0.01 总训练步数 100 000