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。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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