Planax:一个面向大规模固定翼飞行器集群的JAX加速高保真强化学习基准测试
《IEEE Robotics & Automation Magazine》:Planax: A JAX-Accelerated High-Fidelity Reinforcement Learning Benchmark for Large-Scale Fixed-Wing Aerial Swarms
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Robotics & Automation Magazine 9.8
编辑推荐:
摘要:
固定翼飞行机器人的多智能体强化学习 (MARL) 既需要气动保真度,又需要高吞吐量模拟,然而现有平台通常只提供简化的运动学模型或受限于 CPU 的高保真度模型。我们提出了 Planax,一个 JAX/XLA 加速、常驻 GPU 的基准测试框架,该框架结合非线性六自由度
摘要:固定翼飞行机器人的多智能体强化学习 (MARL) 既需要气动保真度,又需要高吞吐量模拟,然而现有平台通常只提供简化的运动学模型或受限于 CPU 的高保真度模型。我们提出了 Planax,一个 JAX/XLA 加速、常驻 GPU 的基准测试框架,该框架结合非线性六自由度 (6-DOF) 动力学与源自风洞的 F-16 气动查找表,并使用张量化插值。在单个 NVIDIA A100 GPU 上,Planax 实现了每秒 2.33 × 10^7 环境步数用于独立航向/俯仰/速度展开,并支持高达 2 × 10^7 独立 6-DOF 实例的批次大小。这些数字表征了独立展开;交互编队与追逃任务还会额外产生相对几何成本。在匹配模型、插值和展开设置的情况下,XLA 编译的 JAX Tensor-LUT 后端在测试的组件和批次大小上均实现了比评估的同一模型 PyTorch 基线更低的稳态延迟。跨保真度多智能体消融实验,所有策略均在高保真环境中评估,表明高保真训练同时提高了任务性能和安全性。在三个种子下,追逃胜率从 0.534 ± 0.097 增加到 1.000 ± 0.000,而编队槽位均方根误差 (RMSE) 从 1493 ± 130 米降至 445 ± 211 米,过载发生率从 0.480 ± 0.049 降至 0.067 ± 0.071。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号