一种基于离线强化学习的原型可解释飞行器控制方法

本发明公开了一种基于离线强化学习的原型可解释飞行器控制方法，包括：获取目标飞行器的当前观测状态，将当前观测状态输入到训练后的飞行器控制模型中，输出当前观测状态对应的动作决策；其中，飞行器控制模型的训练步骤包括：从飞行器在不同环境条件下执行历史任务的离线数据集中，获取多条飞行器轨迹数据；从多条飞行器轨迹数据中，提取训练数据集；利用训练数据集优化飞行器控制模型的参数，获得训练后的飞行器控制模型。该方法通过从大量离线数据中学习，将复杂的参数设置问题转化为数据采样问题，大大简化了参数调整的复杂度；通过离线学习，显著提高样本效率，无需和环境进行交互，显著提高样本效率。