开源多智能体编队避障控制 基于在线学习的方法 躲避障碍物和移动的攻击者

近几年来，无人机集群研究过程中，多机无人机避障控制，成为了当下热门话题，我们都知道无人机在实际的“飞行空域中可能会存在建筑物、山峰、鸟群等障碍物，这些障碍物的存在将威胁无人机的飞行安全。除此之外，避障过程中，无人机之间的距离也会随着编队避障机动发生改变，处理不当就十分容易发生相撞。因此，无人机编队要能够根据不同环境情况做出决策,同时规避威胁障碍物和其他无人机。目前，针对适应环境的控制算法问题，国内外已经做出了很多研究，但是普遍存在协同性不高和队形保持不好的缺陷。很多研究人员将无人机群的编队任务和避障任务考虑为竞争关系，认为避障时应首先解除编队，飞过危险区域后再恢复编队继续飞行，但在一些环境条件

针对传统人工势场法存在局部极小点，而且容易导致路径规划失效的问题，通过改进的人工势场法，可以解决局部极小问题，使机器人尽快跳出局部极小点．从而有效地克服了机器人在障碍物附近出现的反复震荡或停止不前等问题，使机器人运动轨迹更平滑，从而更接近最优路径．仿真实验结果说明此方法有效．

本文提供了一种基于大数据和实时建模的新的汽车避障控制方法。 即时建模是大数据时代的一种新型的数据驱动控制技术，已在各种实际系统中使用。 所提出的方法的主要特性是，从数据库中计算出增益和控制时间，该增益和控制时间是控制输入中避免遇到障碍物的参数，该数据库包括各种情况下的大量驾驶数据。 特别地，该方法的重要优点是计算时间短，因此实现了汽车的实时避障控制。 从一些数值模拟表明，与以前的方法相比，新的控制方法可以使汽车有效地避开各种障碍物。

葡萄株间除草机精准避障控制系统优化设计与试验

基于深度强化学习DQN的无人艇避障控制（matlab）无人艇建模，巡逻艇建模，以及DQN代码，详见 https://blog.csdn.net/weixin_39344871/article/details/119346316

为更加真实地反映行人横穿马路时的轨迹，建立了基于 Markov 的行人运 动学模型，以此作为行人避撞的模型基础。 ② 针对横向避撞路径规划问题，提出了基于行人轨迹的转向避撞规划方法。 在已知行人轨迹的基础上，使用改进的弹性带对车辆的避撞路径进行规划，并通过 车辆与行人的可达性分析来判断避撞路径是否需要更新，提高了路径规划的安全 性。 ③ 将路径规划算法与 RRT 算法、人工势场路径规划算法进行比较，分析其在 路径平顺性、安全性等方面的优势。研究表明了弹性带规划算法在行人避撞路径规 划上的优越性。 ④ 基于模型预测控制和车辆动力学模型，对已规划好的路径进行横向跟踪控 制，并通过划分车辆避撞区域来对纵向避撞控制策略进行分析。根据避撞场景、行 人位置和行人横穿马路时间等指标，提出了车辆对行人避撞的纵横向控制切换策 略，完善了车辆在多种工况下的行人避撞需求。 ⑤ 为进一步验证所设计的行人避撞控制系统的有效性，搭建了基于 Prescan 和 Carsim、Matlab\Simulink 的联合仿真实验平台，通过多组行人横穿马路工况的 仿真实验，验证了该系统在纵向避撞和横向避撞控制上的鲁棒性和安全性。

近几年来，无人机集群研究过程中，多机无人机避障控制，成为了当下热门话题，我们都知道无人机在实际的“飞行空域中可能会存在建筑物、山峰、鸟群等障碍物，这些障碍物的存在将威胁无人机的飞行安全。除此之外，避障过程中，无人机之间的距离也会随着编队避障机动发生改变，处理不当就十分容易发生相撞。因此，无人机编队要能够根据不同环境情况做出决策,同时规避威胁障碍物和其他无人机。目前，针对适应环境的控制算法问题，国内外已经做出了很多研究，但是普遍存在协同性不高和队形保持不好的缺陷。很多研究人员将无人机群的编队任务和避障任务考虑为竞争关系，认为避障时应首先解除编队，飞过危险区域后再恢复编队继续飞行，但在一些环境条件