基于 Q-learning 的三维无人机动态避障导航方法研究
概述
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，我们提出一种基于 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。仿真结果表明，所提方法能够在满足最小安全距离的前提下，有效规避静态与动态障碍，自主规划出从起点到目标点的无碰撞飞行路径，同时具备较好的动态环境适应性与决策稳定性。
关键词：Q-learning；无人机；三维路径规划；动态避障；强化学习；安全约束
1. 引言
1.1 研究背景
随着无人机技术在巡检、测绘、应急救援等领域的广泛应用，其对自主导航能力的要求不断提升。在城市楼宇、林区等真实场景中，无人机通常需要在三维空间内同时面对固定障碍物与移动障碍物。传统依靠人工遥控或预设航线的飞行方式难以应对环境不确定性，易发生碰撞风险。因此，实现无人机在三维动态环境下的实时感知、自主避障与最优路径规划，是提升无人机智能化水平的关键。
传统路径规划方法如 A*、Dijkstra 等多依赖环境先验地图，在动态障碍出现时重规划效率较低。强化学习方法通过智能体与环境不断交互试错，自主学习最优决策策略，无需精确环境模型，在动态、未知场景中展现出显著优势。其中 Q-learning 作为经典无模型强化学习算法，结构简洁、稳定性强，适合用于无人机连续状态下的动作决策与避障导航任务。
1.2 现有不足
目前，基于强化学习的无人机避障研究多集中在二维平面环境，对三维空间的拓展仍存在状态空间复杂、动作决策维度高等问题。部分现有方法仅考虑静态障碍，缺乏严格的安全距离约束；另有方法虽实现三维避障，但奖励函数设计单一，易出现路径冗余。
综合现有研究不足，本文构建完整的三维动态飞行环境，融合静态障碍与双向移动动态障碍，设置硬性安全距离约束，设计分层多目标奖励函数，基于 Q-learning 实现无人机端到端自主导航。
1.3 核心工作
- 构建 12×12×12 尺度的三维离散化飞行环境，设置多位置分布的静态球形障碍与两组可自主反向移动的动态障碍。
- 设计严格的安全距离约束规则，在动作决策前进行有效性筛选，从源头避免碰撞。
- 优化 Q-learning 学习策略与奖励函数，引入衰减式探索概率平衡探索与利用。
- 完成算法训练、最优路径提取与三维可视化验证。
2. 三维无人机飞行环境建模
2.1 空间环境构建
采用立方体空间作为无人机飞行区域，三个维度均匀离散化形成结构化网格。为防止越界，将边界区域设为禁飞区，确保飞行空间约束的一致性。
2.2 本体模型与障碍设置
将无人机简化为具有固定体积的球形刚体模型，以等效半径表征其空间占用。静态障碍模拟建筑物等固定障碍物，位置尺寸保持不变。动态障碍同样以球体表示，具备初始位置与固定移动方向，接触边界或静态障碍后自动反向运动，形成往复移动模式，使环境具有时变性。
2.3 安全约束定义
为保证飞行安全，设置最小安全距离约束。该约束为硬性指标，要求无人机与障碍之间必须保持不低于设定值的距离。任何可能导致安全距离不满足的动作均被视为无效动作，从决策层面杜绝碰撞。
3. 基于 Q-learning 的避障导航算法设计
3.1 算法框架
Q-learning 是一种基于价值迭代的无模型强化学习算法。在无人机导航任务中，无人机作为智能体，其空间位置对应学习状态，位移方式对应可选动作。算法通过多次迭代训练，使无人机学会在任意有效状态下选择安全且趋近目标的动作。
3.2 状态与动作空间
状态空间由无人机在三维环境中的实时位置构成，每一位置唯一对应一个学习状态。动作空间覆盖多方向、多步长的运动模式，包含悬停、单轴移动、斜向移动等。在动作选择阶段，算法先根据安全约束筛选出当前状态下的有效动作，仅在有效动作集合中进行决策。
3.3 探索与利用策略
为避免陷入局部最优，采用衰减式探索 - 利用策略。训练初期使用较高的探索概率，充分探索环境空间。随着训练轮数增加，探索概率按指数规律逐步衰减，后期更多依赖已学习的价值函数选择最优动作，实现从探索到利用的平稳过渡。
3.4 奖励函数设计
奖励函数是引导策略优化的核心，设计多目标分层奖励机制：
- ：向终点靠近获得正向奖励，远离获得负向激励。
