无人机标签_开源鸿蒙跨平台开发者社区

无人机

基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 数学建模与科研
2025-09-07 01:22:19

 324

 4

#无人机 #算法 #matlab +1
基于无人机高光谱成像的3D-2DCNN-CA方法用于增强山核桃树种分类

摘要：浙江农林大学与浙江大学科研团队在《Microchemical Journal》发表研究，提出了一种融合3D-2DCNN与通道注意力机制(3D-2DCNN-CA)的深度学习模型，成功实现对山核桃及其近缘树种的高精度分类。该研究利用无人机高光谱影像(300波段)，通过协同提取空间-光谱特征，解决了同属树种光谱相似性难题，总体分类精度达99.38%，品种间分类精度达93.97%。相比传统RGB影像

 高谱成像
2025-11-21 05:30:00

 369

 4

#分类 #数据挖掘 #人工智能 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 yyds_2201
2025-09-05 20:32:31

 913

 17

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 qq_57231208
2025-09-07 08:30:45

 384

 5

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 wytm123
2025-10-03 03:08:08

 400

 4

#无人机 #算法 #matlab +1
【无人机物流路径规划】基于Q-learning的无人机物流路径规划研究（Python代码实现）

随着电子商务与城市物流需求的爆发式增长，传统地面配送模式面临交通拥堵、成本高昂等瓶颈。无人机物流凭借灵活性与低成本优势，成为解决"最后一公里"配送难题的关键技术。然而，复杂城市环境中的动态障碍物、三维空间结构、气象变化及续航限制，对路径规划算法提出严峻挑战。本文系统研究基于Q-learning的无人机物流路径规划方法，通过三维栅格建模、动态奖励函数设计及多智能体协同框架，实现路径最优性提升40%、

m0_58086403
2025-10-01 03:56:12

 330

 3

#无人机 #python #开发语言 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 weixin_48529701
2025-09-10 04:54:00

 282

 4

#无人机 #算法 #matlab +1
【无人机】基于PSO-PA和Q-learning机器学习的无人驾驶飞行器（UAV）模拟器研究（matlab代码实现）

本文聚焦于无人驾驶飞行器（UAV）路径规划领域，提出一种融合改进粒子群优化算法（PSO-PA）与Q-learning算法的混合优化策略。通过建立三维动态环境模型，将PSO-PA的全局搜索能力与Q-learning的在线学习能力相结合，实现无人机在复杂场景下的能耗最优路径规划。仿真实验表明，该算法在路径长度、避障成功率及收敛速度等指标上显著优于传统方法，为无人机在物流配送、环境监测等领域的实际应用提

 2501_92824524
2025-12-08 06:27:46

 675

 16

#无人机 #机器学习 #matlab +1
【无人机】基于PSO-PA和Q-learning机器学习的无人驾驶飞行器（UAV）模拟器研究（matlab代码实现）

本文聚焦于无人驾驶飞行器（UAV）路径规划领域，提出一种融合改进粒子群优化算法（PSO-PA）与Q-learning算法的混合优化策略。通过建立三维动态环境模型，将PSO-PA的全局搜索能力与Q-learning的在线学习能力相结合，实现无人机在复杂场景下的能耗最优路径规划。仿真实验表明，该算法在路径长度、避障成功率及收敛速度等指标上显著优于传统方法，为无人机在物流配送、环境监测等领域的实际应用提

 梦想科研社_研学
2025-12-08 02:42:28

 363

 3

#无人机 #机器学习 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 稷下科研社
2025-10-03 01:30:43

 255

 5

#无人机 #算法 #matlab +1
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究（Python代码实现）

无人机物流作为解决"最后一公里"配送难题的关键技术，其路径规划需应对复杂城市环境中的动态障碍物、天气变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制，在无需预先构建环境模型的情况下，可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径，结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术，验证了其在路径最优性、收敛速

 m0_58086403
2025-09-11 09:52:14

 421

 4

#无人机 #python #开发语言 +1
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究附Python代码

近年来，随着电子商务的迅猛发展和物流行业的持续转型升级，无人机物流以其独特的灵活性、高效性和低成本等优势，成为“最后一公里”配送的重要解决方案。然而，如何规划出最优的无人机配送路径，以最小化时间、成本或最大化效率，是无人机物流领域面临的核心挑战。传统的路径规划算法在面对动态变化的复杂环境时，往往难以快速适应并找到全局最优解。本文深入探讨了基于 Q-learning 的强化学习方法在无人机物流路径规

 j_jinger
2025-11-22 19:49:37

 595

 18

#无人机 #python #开发语言
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 稷下科研社
2025-12-12 00:46:21

 867

 11

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 老杰爱编程
2025-10-28 07:38:27

 576

 12

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究附Matlab代码

一、引言随着无人机技术在城市物流配送、应急救援、交通监控、电力巡检等领域的广泛应用，密集型复杂城市场景下的无人机路径规划成为关键技术瓶颈。密集型复杂城市场景具有建筑密集且高低错落、电磁环境复杂、人流车流密集、动态障碍物（如飞鸟、其他无人机）多等特点，对无人机路径规划提出了极高要求：不仅需保证路径的安全性（避开静态建筑与动态障碍物）、经济性（路径长度最短、能耗最低），还需满足实时性（快速响应环境变化

 matlab科研助手
2025-12-12 15:02:20

 1451

 26

#无人机 #算法 #matlab
PX4二次开发-订阅传感器数据

PX4传感器数据订阅模块开发该摘要描述了一个PX4飞控系统中用于订阅传感器数据的模块实现过程。主要包含以下内容：模块结构：包含CMakeLists.txt、Kconfig和px4_sub_sensor.c三个核心文件功能实现：通过uORB机制订阅sensor_combined主题，循环获取加速度计数据并打印开发要点：使用PX4专用日志系统(PX4_INFO/PX4_WARN/PX4_ER

Sugar14
2025-05-29 17:25:40

 197

 1

#无人机
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 数学建模与科研
2025-12-12 01:05:23

 325

 5

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 2501_92941428
2025-09-11 10:41:15

 992

 14

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 稷下科研社
2025-09-10 01:20:10

 298

 5

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 欢多天天写代码
2025-11-22 10:19:20

 695

 8

#无人机 #算法 #matlab +1
基于动态三维环境下的Q-Learning算法无人机自主避障路径规划研究（Matlab代码实现）

针对低空复杂三维环境下无人机自主飞行的安全与路径优化问题，本文提出一种基于 Q-learning 强化学习的无人机导航与避障方法。该方法在离散化三维空间环境中构建包含静态障碍与动态移动障碍的飞行场景，通过设计严格的安全距离约束机制保证飞行安全性，构建兼顾目标趋近、路径精简与安全规避的奖励函数引导策略学习，采用衰减式探索 - 利用策略实现算法稳定收敛。

T
2026-03-27 11:17:44

 180

 7

#算法 #无人机 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 F_Matlab
2025-07-22 00:55:35

 642

 30

#无人机 #算法 #matlab +1
AI智慧高光谱遥感实战：作物胁迫早期预警、精准施肥量计算、无人机巡田系统

内容以DeepSeek平台为核心，深度融合Python生态中的科学计算库（如GDAL、scikit-learn、TensorFlow），不仅教授传统的高光谱辐射校正、几何精校正、大气校正等预处理技术，更重点突破深度学习在高光谱领域的应用瓶颈。无论是遥感专业的研究生，还是希望转型AI的地信工程师，都能通过本内容构建完整的高光谱技术体系。在农业（作物监测/精准施肥）、环保（水质/污染溯源）、地质（矿物

 xiao5kou4chang6kai4
2025-05-27 16:55:41

 1120

 23

#无人机
容器化环境下的测试部署实操指南

《容器化测试部署指南》系统介绍了利用容器技术构建高效测试环境的方法。文章首先阐述了容器化测试的三大优势：环境一致性、资源隔离和秒级启动，对比传统VM启动时间从分钟级降至秒级。核心内容包含四步实操：1）制作测试镜像的Dockerfile示例；2）使用docker-compose编排测试服务；3）Kubernetes集群部署方案；4）执行技巧如动态配置注入和资源监控。特别提供了避坑经验，包括网络时延优

 2501_94480392
2026-01-15 14:36:41

 408

 15

#无人机 #redis #数据库 +2
【多智能体系统的自适应路径规划】分布式无人机系统的自适应多智能体路径规划研究（Matlab代码实现）

本文提出了一种新的学习算法——合作与几何学习算法（Cooperative and Geometric Learning Algorithm, CGLA），用于解决无人机（Unmanned Aerial Vehicles, UAVs）路径规划中的机动性、碰撞规避和信息共享问题。CGLA的主要贡献包括以下三个方面：（1）CGLA是基于多无人机合作的路径规划算法。技术上，CGLA引入了一种新定义的个体代

 yyds_2201
2025-03-08 12:44:40

 756

 29

#分布式 #无人机 #matlab
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究（Python代码实现）

无人机物流作为解决"最后一公里"配送难题的关键技术，其路径规划需应对复杂城市环境中的动态障碍物、天气变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制，在无需预先构建环境模型的情况下，可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径，结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术，验证了其在路径最优性、收敛速

 2501_92824524
2025-09-11 12:13:53

 348

 4

#无人机 #python #开发语言 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 m0_58086403
2025-10-03 04:08:15

 756

 20

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 老杰爱编程
2025-09-07 11:34:40

 899

 17

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning算法研究（matlab）

摘要：本文研究基于Q-learning的无人机三维路径规划算法，针对城市场景中障碍物密集、空间约束复杂的特点。传统算法难以满足实时性需求，而Q-learning通过与环境交互学习最优策略，无需环境模型。实验表明该算法能有效避障，规划出较优飞行路径，适应性强。程序采用matlab实现，运行可靠，为复杂城市场景下的无人机路径规划提供了有效解决方案。

石头科研
2025-09-10 10:54:30

 764

 23

#无人机 #matlab
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 @橘柑橙柠桔柚
2025-10-03 03:32:30

 307

 5

#无人机 #算法 #matlab +1
【强化学习Q-learning应用】基于Q-learning的无人机物流路径规划研究（Python代码实现）

无人机物流作为解决"最后一公里"配送难题的关键技术，其路径规划需应对复杂城市环境中的动态障碍物、气象变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制，在无需预先构建环境模型的情况下，可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径，结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术，验证了其在路径最优性、收敛速

 2501_92823441
2025-09-25 12:54:39

 769

 11

#无人机 #python #开发语言 +1
【多智能体系统的自适应路径规划】分布式无人机系统的自适应多智能体路径规划研究（Matlab代码实现）

本文提出了一种新的学习算法——合作与几何学习算法（Cooperative and Geometric Learning Algorithm, CGLA），用于解决无人机（Unmanned Aerial Vehicles, UAVs）路径规划中的机动性、碰撞规避和信息共享问题。CGLA的主要贡献包括以下三个方面：（1）CGLA是基于多无人机合作的路径规划算法。技术上，CGLA引入了一种新定义的个体代

 然哥依旧
2025-03-08 12:44:26

 944

 21

#分布式 #无人机 #matlab
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 wlz249
2025-12-12 05:24:20

 857

 8

#无人机 #算法 #matlab +1
基于动态三维环境下的Q-Learning算法无人机自主避障路径规划研究（Matlab代码实现）

针对低空复杂三维环境下无人机自主飞行的安全与路径优化问题，本文提出一种基于 Q-learning 强化学习的无人机导航与避障方法。该方法在离散化三维空间环境中构建包含静态障碍与动态移动障碍的飞行场景，通过设计严格的安全距离约束机制保证飞行安全性，构建兼顾目标趋近、路径精简与安全规避的奖励函数引导策略学习，采用衰减式探索 - 利用策略实现算法稳定收敛。

梦想科研社_研学
2026-03-27 08:49:11

 299

 8

#算法 #无人机 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 @橘柑橙柠桔柚
2025-09-10 03:19:54

 258

 3

#无人机 #算法 #matlab +1
【强化学习Q-learning应用】基于Q-learning的无人机物流路径规划研究（Python代码实现）

无人机物流作为解决"最后一公里"配送难题的关键技术，其路径规划需应对复杂城市环境中的动态障碍物、气象变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制，在无需预先构建环境模型的情况下，可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径，结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术，验证了其在路径最优性、收敛速

 wytm123
2025-09-25 09:51:13

 750

 23

#无人机 #python #开发语言 +1
【多智能体系统的自适应路径规划】分布式无人机系统的自适应多智能体路径规划研究（Matlab代码实现）

本文提出了一种新的学习算法——合作与几何学习算法（Cooperative and Geometric Learning Algorithm, CGLA），用于解决无人机（Unmanned Aerial Vehicles, UAVs）路径规划中的机动性、碰撞规避和信息共享问题。CGLA的主要贡献包括以下三个方面：（1）CGLA是基于多无人机合作的路径规划算法。技术上，CGLA引入了一种新定义的个体代

 梦想科研社_研学
2025-03-08 20:02:29

 1091

 27

#分布式 #无人机 #matlab
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 Ps.729
2025-09-10 01:56:16

 253

 5

#无人机 #算法 #matlab +1
【无人机】基于PSO-PA和Q-learning机器学习的无人驾驶飞行器（UAV）模拟器研究（matlab代码实现）

本文聚焦于无人驾驶飞行器（UAV）路径规划领域，提出一种融合改进粒子群优化算法（PSO-PA）与Q-learning算法的混合优化策略。通过建立三维动态环境模型，将PSO-PA的全局搜索能力与Q-learning的在线学习能力相结合，实现无人机在复杂场景下的能耗最优路径规划。仿真实验表明，该算法在路径长度、避障成功率及收敛速度等指标上显著优于传统方法，为无人机在物流配送、环境监测等领域的实际应用提

 天天程序猿
2025-12-08 03:10:28

 973

 19

#无人机 #机器学习 #matlab +1
基于 Q-learning 的三维无人机动态避障导航算法设计与实现（Matlab代码实现）

针对低空复杂三维环境下无人机自主飞行的安全与路径优化问题，本文提出一种基于 Q-learning 强化学习的无人机导航与避障方法。该方法在离散化三维空间环境中构建包含静态障碍与动态移动障碍的飞行场景，通过设计严格的安全距离约束机制保证飞行安全性，构建兼顾目标趋近、路径精简与安全规避的奖励函数引导策略学习，采用衰减式探索 - 利用策略实现算法稳定收敛。

荔枝科研社
2026-03-25 00:13:36

 187

 4

#无人机 #算法 #matlab +1
基于无人机平台的人工智能应用一（自存）

再试图通过网线树莓派直连笔记本，通过网络共享给树莓派提供网络再进行ssh连接。连接后控制面板网络和共享中心找到网线对应名称为以太网，校园网连接属性中开internet连接共享，ipconfig找到以太网ip，再arp -a找到树莓派的ip地址。但是putty连对应ip显示拒绝，不知道问题在哪。试图进行ssh连接来在电脑上用vnc远程访问树莓派。首先要开启ssh，需要拔出sd卡插电脑上进行配置，但是

 zenderthing
2025-09-16 20:39:32

 225

 2

#无人机 #python
无人机多人点对点控制技术解析

指令竞争：多用户同时发送控制指令（如飞行路径、摄像头角度）可能导致冲突，需设计优先级机制（如令牌环或主从模式）。P2P连接稳定性：需解决NAT穿透问题（如对称型NAT），依赖STUN/TURN服务器可能引入额外延迟或成本。带宽与延迟：多人同时接收高清视频流需高带宽，且需低延迟（通常<200ms），尤其在移动网络下易波动。通信加密：防止视频流或控制指令被截获，需端到端加密（如DTLS/SRTP）。权

 云卓SKYDROID
2025-03-20 17:19:04

 1070

 21

#无人机
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 m0_58086403
2025-09-05 14:53:11

 774

 18

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 程序辅导帮
2025-11-22 08:00:18

 701

 30

#无人机 #算法 #matlab +1
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究（Python代码实现）

无人机物流作为解决"最后一公里"配送难题的关键技术，其路径规划需应对复杂城市环境中的动态障碍物、天气变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制，在无需预先构建环境模型的情况下，可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径，结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术，验证了其在路径最优性、收敛速

 qq_551705769
2025-09-11 10:03:51

 391

 4

#无人机 #python #开发语言 +1
基于动态三维环境下的Q-Learning算法无人机自主避障路径规划研究（Matlab代码实现）

针对低空复杂三维环境下无人机自主飞行的安全与路径优化问题，本文提出一种基于 Q-learning 强化学习的无人机导航与避障方法。该方法在离散化三维空间环境中构建包含静态障碍与动态移动障碍的飞行场景，通过设计严格的安全距离约束机制保证飞行安全性，构建兼顾目标趋近、路径精简与安全规避的奖励函数引导策略学习，采用衰减式探索 - 利用策略实现算法稳定收敛。

wlz249
2026-03-27 09:56:42

 401

 6

#算法 #无人机 #matlab +1
基于 Q-learning 的三维无人机动态避障导航算法设计与实现（Matlab代码实现）

针对低空复杂三维环境下无人机自主飞行的安全与路径优化问题，本文提出一种基于 Q-learning 强化学习的无人机导航与避障方法。该方法在离散化三维空间环境中构建包含静态障碍与动态移动障碍的飞行场景，通过设计严格的安全距离约束机制保证飞行安全性，构建兼顾目标趋近、路径精简与安全规避的奖励函数引导策略学习，采用衰减式探索 - 利用策略实现算法稳定收敛。

yyds_2201
2026-03-25 07:17:59

 330

 7

#无人机 #算法 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 2501_92823441
2025-09-07 10:14:51

 587

 7

#无人机 #算法 #matlab +1