Controllo di Quadrotori con Deep RL per Ispezione Forestale Sotto la Chioma

Un nuovo studio da arXiv presenta un controllore per quadrotori basato su deep reinforcement learning (RL), progettato per l'ispezione aerea autonoma in ambienti forestali sotto la chioma. La politica di controllo end-to-end mappa gli stati direttamente ai giri al minuto dei rotori, consentendo il tracciamento simultaneo di posizione e orientamento per comportamenti di vista di ispezione e navigazione punto a punto. Per garantire un dispiegamento sicuro a lungo raggio, il sistema integra uno strato di navigazione superiore composto da un pianificatore del problema del commesso viaggiatore (TSP) per la sequenza ottimale di visite e un pianificatore Rapidly-exploring Random Tree Star (RRT*) per la pianificazione del percorso tra le regioni target. L'approccio affronta la sfida di operare in ambienti forestali disordinati e senza GPS, dove i controllori tradizionali potrebbero fallire. L'articolo è disponibile su arXiv con riferimento 2605.19202.