Skip to content
Publications

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.

Reinforcement Learning in RoboticsUAV Applications and OptimizationAdvanced Neural Network Applicationsreinforcement learningunmanned aerial vehiclesflight path optimization

More by Rat Berdibayev