该算法适用研究机器人与无人机

智能算法无人机航迹规划人工智能

城市环境下无人驾驶车辆运动控制方法的研究，比较新的论文研究成果，值得参考。

面向无人值守机房的智能监控系统设计.pdf

有关无人机视景仿真的一篇论文，对从事视景仿真的同志应该帮助挺大的。

学习四轴飞行器的设计

花的299买的某达无人驾驶培训三期视频。无码无水印，通过网盘链接分享，包含1、无人驾驶工程师 第一学期。2、无人驾驶工程师 第二学期。3、无人驾驶工程师 第三学期

【路径规划】无人机编队路径规划matlab源码.md

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题 [1] 。 强化学习的常见模型是标准的马尔可夫决策过程（Markov Decision Process, MDP）。按给定条件，强化学习可分为基于模式的强化学习（model-based RL）和无模式强化学习（model-free RL） [1] ，以及主动强化学习（active RL）和被动强化学习（passive RL） [2] 。强化学习的变体包括逆向强化学习、阶层强化学习和部分可观测系统的强化学习。求解强化学习问题所使用的算法可分为策略搜索算法和值函数（value function）算法两类。深度学习模型可以在强化学习中得到使用，形成深度强化学习 [1] 。 强化学习理论受到行为主义心理学启发，侧重在线学习并试图在探索-利用（exploration-exploitation）间保持平衡。不同于监督学习和非监督学习，强化学习不要求预先给定任何数据，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数 [3] 。

行业资料-电子功用-具有电池仓组件结构的无人机.pdf.zip