课程驱动深度强化学习实现远距离火箭自主着陆

课程驱动强化学习框架实现远距离火箭着陆，作者报告成功率99.98%。

资讯摘要

论文提出一种课程驱动深度强化学习框架，用于可重复使用运载火箭的远距离导航与精确垂直着陆。方法采用三阶段课程，配合critic预热与防灾难性遗忘的排练机制，并使用完整3×3旋转矩阵的高维观测向量；智能体从1000至1500单位的初始水平距离出发完成软着陆。作者报告在10万回合评估中成功率为99.98%，基线为68.31%，并保留初始燃料的69.1%。

要点速读

1. 论文设计三阶段课程训练，加入critic预热和排练机制以缓解灾难性遗忘，观测使用完整3×3旋转矩阵。
2. 智能体从1000至1500单位初始水平距离开始，完成远距离导航后执行软着陆。
3. 作者报告10万回合评估成功率99.98%（基线68.31%），保留初始燃料69.1%，最终距着陆垫中心平均7.07单位（基线13.10单位）。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。