Versterkend leren voor autonome raketlanding
Onderzoekers presenteren een nieuwe methode om raketten autonoom te laten landen met behulp van diep versterkend leren. De techniek maakt gebruik van een gestructureerde aanpak om complexe dynamiek en onzekerheden in de praktijk het hoofd te bieden.
In de lucht- en ruimtevaart is het verticaal laten landen van herbruikbare raketten een complexe opgave door veranderende omstandigheden en strikte nauwkeurigheidseisen. Traditionele regeltechniek wordt in toenemende mate aangevuld of uitgedaagd door methoden uit de kunstmatige intelligentie, zoals reinforcement learning. Bestaande trainingsmethoden schieten echter vaak te kort doordat ze uitgaan van sterk vereenvoudigde uitgangspunten die niet goed aansluiten bij de werkelijkheid.
Versterkend leren is een tak van machine learning waarin softwareagenten leren door te oefenen en feedback te krijgen op basis van hun acties. Door taken op te knippen in opeenvolgende stappen die geleidelijk in moeilijkheidsgraad toenemen, proberen onderzoekers modellen beter voor te bereiden op onvoorspelbare situaties. Dit soort fundamenteel onderzoek helpt om de betrouwbaarheid van autonome systemen in de praktijk te vergroten.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel