Article · Вестник КазАТК · November 30, 2024
REINFORCEMENT LEARNING КАК ТЕХНОЛОГИЯ, ПОЗВОЛЯЮЩАЯ ОБЕСПЕЧИТЬ НЕПРЕРЫВНЫЙ МОНИТОРИНГ ОБШИРНЫХ ТЕРРИТОРИЙ
Yedilkhan N. Amirgaliyev, Saltanat N. Amirgaliyeva, Aisulyu Ataniyazova, Сергазы Нарынов, Rat Berdibayev
Abstract
В данной статье рассмотрены алгоритмы распознавания станций подзарядки и оптимизации траекторий полета беспилотных летательных аппаратов (БПЛА) с применением методов Reinforcement Learning (RL). Представлены традиционные подходы компьютерного зрения и глубокого обучения для идентификации зарядных станций, а также алгоритмы планирования маршрутов, включая A*, Dijkstra и Rapidly Exploring Random Tree. Проведен сравнительный анализ методов и показано, что RL обладает высокой адаптивностью в реальных условиях, обеспечивая улучшение автономности и энергоэффективности БПЛА. Исследование демонстрирует, как интеграция RL способствует повышению точности стыковки дронов с зарядными станциями и оптимизации их работы в динамической среде.
More by Rat Berdibayev
- IINTELLIGENT HYBRID METHOD FOR AUTOMATED PENETRATION TESTING IN 5G AND BEYOND NETWORKSHerald of Kazakh-British technical university · 2026
- Integration of El-Gamal cryptosystem and AI to enhance cyber defenceInternational Journal of Innovative Research and Scientific Studies · 2025
- БАЙЛАНЫС АРНАСЫНДАҒЫ ҚАРҚЫНДЫ ШУ КЕЗІНДЕ АУЫСТЫРУЛАРДЫ ШУҒА ТӨЗІМДІ КҮЙДЕ БЕРУ ХАТТАМАСЫНЫҢ АЛГОРИТМДЕРІВестник КазАТК · 2024
- Software System for Cybersecurity Events Correlation and Incident Management in Critical InfrastructureLecture notes on data engineering and communications technologies · 2024 · Citations: 5
